Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
Universidade dos Açores
Departamento de Ciências Agrárias
A influência da paisagem, dos factores ambientais e taxa de
infestação na densidade na mosca-do-Mediterrâneo (Ceratitis
capitata Wiedemann) (Diptera: Tephritidae) na Ilha de São
Jorge – Açores.
Orientadores: Professor Doutor David Horta Lopes e Professor Doutor Paulo
Alexandre Vieira Borges
Dissertação de Mestrado em Engenharia do Ambiente de:
Liliana Sofia Soares Marques
Angra do Heroísmo
Outubro, 2012
_____________________________________________________________________________________
II
Universidade dos Açores
Departamento de ciências Agrárias
A influência da paisagem, dos factores ambientais e taxa de
infestação na densidade na mosca-do-Mediterrâneo (Ceratitis
capitata Wiedemann) (Diptera: Tephritidae) na Ilha de São
Jorge – Açores.
Dissertação de Mestrado em Engenharia do Ambiente de:
Liliana Sofia Soares Marques
Angra do Heroísmo
Outubro, 2012
_____________________________________________________________________________________
III
Dedico esta tese à minha
família e em especial ao meu filho,
João Miguel.
_____________________________________________________________________________________
IV
Agradecimentos
Aos meus orientadores Prof. Doutor David João Horta Lopes e Professor Doutor
Paulo Alexandre Vieira Borges pelo incessante demonstrado para a realização deste trabalho,
disponibilidade, transmissão de conhecimentos, paciência e amizade, aos dois, muito obrigado.
Ao meu colega Eng.º Reinaldo Macedo Soares Pimentel, um obrigada especial pela sua
ajuda fundamental na elaboração deste trabalho, sem esta ajuda e conhecimentos transmitidos já
mais conseguiria em tempo útil a sua conclusão.
Ao meu colega Eng.º Jorge Miguel Meneses Azevedo, pelo apoio na recolha de dados.
Á minha colega e amiga Eng.ª Cândida Margarida Ferreira Mendes, um obrigado pelos
seus conhecimentos transmitidos.
Ao Prof. Doutor Eduardo Manuel Vieira Brito de Azevedo, e ao seu colaborador técnico
Francisco Reis, pela disponibilidade de dados climáticos.
Aos docentes, funcionários, colegas e amigos da Universidade dos Açores – DCA, pelo
seu apoio neste meu percurso académico. A todos um Muito Obrigado.
Quero também agradecer a toda a minha família, em especial aos meus pais, pela
dedicação ao meu filho, sem a sua ajuda constante este percurso académico seria bem mais
complicado, agradeço ao meu filho e marido pelo apoio, encorajamento e compressão.
A todos um muito Obrigado.
_____________________________________________________________________________________
V
Índice Geral
RESUMO ......................................................................................................................... 9
ABSTRACT ................................................................................................................... 11
INTRODUÇÃO ............................................................................................................... 13
CAPITULO 1 - ASPECTOS GERAIS DAS CONDIÇÕES CLIMÁTICAS DOS AÇORES .............. 19
1.1.1. TEMPERATURA ....................................................................................................................... 20
1.1.2. PLUVIOSIDADE / HUMIDADE ............................................................................................... 21
1.1.3. VENTO ...................................................................................................................................... 22
1.2. ASPECTOS GERAIS DAS CONDIÇÕES CLIMÁTICAS DE SÃO JORGE .................................. 23
1.2.1 TEMPERATURA ........................................................................................................................ 23
1.2.2. PLUVIOSIDADE / HUMIDADE ............................................................................................... 24
1.2.3. VENTO ...................................................................................................................................... 24
CAPITULO 2 - CARACTERIZAÇÃO DO OBJECTO DE ESTUDO ........................................... 25
2.1. DISTRIBUIÇÃO ............................................................................................................................ 25
2.2. MORFOLOGIA E BIOECOLOGIA ............................................................................................... 26
2.3. PREJUÍZOS CAUSADOS PELA MOSCA-DO-MEDITERRÂNEO .............................................. 31
2.4. FACTORES ABIÓTICOS COM INFLUÊNCIA NO DESENVOLVIMENTO DA MOSCA-DO-
MEDITERRÂNEO .................................................................................................................................. 32
CAPITULO 3 - MATERIAL E MÉTODOS .......................................................................... 34
3.1. DESCRIÇÃO DA ÁREA DE ESTUDO .......................................................................................... 34
3.2. MONITORIZAÇÃO DA MOSCA-DO-MEDITERRÂNEO ........................................................... 36
3.3. ANÁLISE DE INFESTAÇÃO DE FRUTOS DA MOSCA-DO-MEDITERRÂNEO ....................... 37
3.4. ANÁLISE DA INFLUÊNCIA DA PAISAGEM COM FACTORES GEOGRÁFICOS, ÍNDICES
HABITATS E CLIMÁTICOS. .................................................................................................................. 39
3.4.1. ÍNDICES DE HABITATS .......................................................................................................... 39
3.4.2. VARÁVEIS CLIMÁTICAS ....................................................................................................... 41
3.4.3. SAM 4.0 (SOFTWARE DE ANÁLISE ESPACIAL EM MACROECOLOGIA) ..................... 45
CAPITULO 4 - RESULTADOS E DISCUSSÃO .................................................................... 46
4.1. MONITORIZAÇÃO DOS ADULTOS DE MOSCA-DO-MEDITERRÂNEO (CERATITIS
CAPITATA WIEDEMANN) ................................................................................................................... 46
4.2. DETERMINAÇÃO DA TAXA DE INFESTAÇÃO DE FRUTOS .................................................. 51
4.3. VARIÁVEIS CLIMÁTICAS .......................................................................................................... 57
4.4. ANÁLISE DA INFLUÊNCIA DA PAISAGEM (FATORES GEOGRÁFICOS, ÍNDICES
HABITATS E CLIMÁTICOS) NA ABUNDÂNCIA DA MOSCA-DO-MEDITERRÂNEO. .................... 58
CAPITULO 5 - CONCLUSÕES ......................................................................................... 83
BIBLIOGRAFIA .............................................................................................................. 85
ANEXOS ....................................................................................................................... 92
_____________________________________________________________________________________
VI
Índice de Figuras
Figura 1- Mapa de distribuição mundial de algumas das principais espécies de moscas-
da-fruta (modificado de CABI/EPPO 1998). ................................................................. 14
Figura 2 – Ovos de mosca-do-Mediterrâneo (C. capitata) (Florida Division of Plant
Industry Archive, Florida Department of Agriculture and Consumer Services,
Bugwood.org). ................................................................................................................ 26
Figura 3 – Pupas de mosca-do-Mediterrâneo (C. capitata) (Scott Bauer, USDA
Agricultural Research Service, Bugwood.org) ............................................................... 27
Figura 4 – Larva de mosca-do-Mediterrâneo (C. capitata) (Florida Division of Plant
Industry Archive, Florida Department of Agriculture and Consumer Services,
Bugwood.org). ................................................................................................................ 28
Figura 5 – Aspecto do macho e da fêmea da mosca-do-Mediterrâneo (Ceratitis capitata
Wiedemann): Fonte: (Pimentel 2010). ........................................................................... 28
Figura 6 - Ciclo de vida da mosca-do-mediterrâneo (C.capitataWied.). Adptado de
Carvalho et al. (1999). .................................................................................................... 30
Figura 7 - Impacto da mosca do mediterrâneo(Ceratitis capitata Wiedemann) em
citrinos. Fonte: Carvalho & Franquinho 1997. ............................................................... 31
Figura 8 – Localização da área de estudo na Ilha de S. Jorge (delimitação a vermelho e a
amarelo estão localizadas as armadilhas instaladas). ..................................................... 35
Figura 9 - Aspecto das armadilhas Tephri usadas na captura das fêmeas adultas
instaladas no campo. ....................................................................................................... 36
Figura 10 –Determinação da taxa de infestaçãos ........................................................... 37
Figura 11 – Valores médios da humidade máxima na Ilha de São Jorge. ...................... 41
Figura 12 – Valores médios da temperatura mínima na Ilha de São Jorge. ................... 42
Figura 13 – Valores médios de precipitação na Ilha de São Jorge. ................................ 42
Figura 14 – Valores médios de temperatura na Ilha de São Jorge. ................................ 43
Figura 15 – Capturas mensais dos adultos de mosca-do-Mediterrâneo (C. capitata). ... 48
Figura 16 - Capturas totais na Zona Norte da Ilha de São Jorge dos adultos de mosca-
do-Mediterrâneo (C. capitata). ....................................................................................... 48
Figura 17 - Capturas totais na Zona Sul da Ilha de São Jorge dos adultos de mosca-do-
Mediterrâneo (C. capitata) ............................................................................................. 49
Figura 18 – Capturas das fêmeas adultas de mosca-do-Mediterrâneo (C.Capitata). ..... 50
Figura 19 – Capturas dos machos adultos de mosca-do-Mediterrâneo (C. capitata). ... 50
Figura 20 – Relação de fêmeas para um macho de adultos de mosca-do-Mediterrâneo
(C. capitata). ................................................................................................................... 51
Figura 21 – Localização dos pontos de amostragem onde nos frutos se registaram as
maiores taxas de infestação. ........................................................................................... 52
Figura 22 – Taxa de infestação de diferentes frutos amostrados (expressas em número
de larvas por Kg de frutos). ............................................................................................ 56
Figura 23 – Exemplo da delimitação das áreas envolventes aos pomares (num raio de
100 metros). .................................................................................................................... 58
Figura 24 – Correlação entre a Abundância das fêmeas da C. Capitata e HRmax ........ 69
Figura 25 – Correlação entre a Abundância dos machos da C. Capitata e HRmax ....... 70
_____________________________________________________________________________________
VII
Figura 26 – Relação entre o valor real e o valor estimado para a abundância das femeas
Ceratitis capitata Wiedemann (com base nas variáveis climáticas, nas de diversidade de
habitats e nas geográficas). ............................................................................................. 76
Figura 27 – Distribuição aleatória dos resíduos das variáveis climáticas, de diversidade
de habitats e geográficas para a variável explicativa fêmea adulta de mosca-do-
Mediterrâneo (Ceratitis capitata Wiedemann)............................................................... 76
Figura 28 – Normalização dos Resíduos espaciais para a relação entre as variáveis
climáticas, diversidade habitats, geográficas e a variável explicativa fêmea adulta de
mosca-do-Mediterrâneo (Ceratitis capitata Wiedemann). ............................................. 77
Figura 29 – Métodos de Interacção das variáveis climáticas, geográficas e diversidade
de habitats com a abundância das fêmeas adultas de mosca-do-Mediterrâneo (Ceratitis
capitata Wiedemann). .................................................................................................... 78
Figura 30 - Relação entre o valor real e o valor estimado para a abundância dos machos
C. capitata (com base nas variáveis climáticas, nas de diversidade de habitats e nas
geográficas). ................................................................................................................... 80
Figura 31 - Distribuição aleatória dos resíduos das variáveis climáticas, de diversidade
de habitats e geográficas para a variável explicativa machos adultos de mosca-do-
Mediterrâneo (Ceratitis capitata Wiedemann)............................................................... 80
Figura 32 – Normalização dos Resíduos espaciais para a relação entre as variáveis
climáticas, diversidade habitats, geográficas e a variável explicativa machos adultos de
mosca-do-Mediterrâneo (Ceratitis capitata Wiedemann). ............................................. 81
Figura 33 – Métodos de Interacção das variáveis climáticas, geográficas e diversidade
de habitats com a abundância dos machos adultos de mosca-do-Mediterrâneo (Ceratitis
capitata Wiedemann). ..................................................................................................... 82
_____________________________________________________________________________________
VIII
Índice de Quadros
Quadro 1 - Resumo dos frutos amostrados e respectivas taxas de infestação. .............. 53
Continuação - Quadro 1 - Resumo dos frutos amostrados e respectivas taxas de
infestação. ....................................................................................................................... 54
Continuação - Quadrado 1 - Resumo dos frutos amostrados e respectivas taxas de
infestação. ....................................................................................................................... 55
Quadro 2 - Dados climáticos (valores médios anuais da ilha de S. Jorge) (Fonte:
CLIMAT). ...................................................................................................................... 57
Quadro 3 - Áreas envolventes ao pomares e tipo de habitas. ........................................ 59
(Continuação Quadro 3 - Áreas envolventes ao pomares e tipo de habitas). ................ 60
(Continuação Quadro 3 - Áreas envolventes ao pomar e tipo de habitats). ................... 61
(Continuação Quadro 3 - Áreas envolventes ao pomar e tipo de habitats). ................... 62
(Continuação Quadro 3 - Áreas envolventes ao pomar e tipo de habitats). ................... 63
(Continuação Quadro 3 - Áreas envolventes ao pomar e tipo de habitats). ................... 64
(Continuação Quadro 3 - Áreas envolventes ao pomar e tipo de habitats). ................... 65
(Continuação Quadro 3 - Áreas envolventes ao pomar e tipo de habitats). ................... 66
(Continuação Quadro 3 - Áreas envolventes ao pomar e tipo de habitats). ................... 67
Quadro 4 – Cálculo de índices de Habitats..................................................................... 68
Tabela 5 - Relação estatística entre variáveis ............................................................... 71
Quadro 6 – Coeficientes para os modelos de regressão múltipla para avaliar a
abundancia das femeas (log Femeas) ............................................................................. 73
Quadro 7 – Coeficientes para os modelos de regressão múltipla para avaliar a
abundancia dos machos (log machos). ........................................................................... 74
Quadro 8 – Resultados da análise estatística de SAM, relativo à abundância de Femeas.
........................................................................................................................................ 75
Quadro 9- Resumo do modelo obtido da aplicação SAM, para as fêmeas. ................... 75
A relevância de cada um dos conjuntos de variáveis introduzidos no SAM e suas
interrelações, atendendo à abundância da fêmeas adultas de mosca-do-Mediterrâneo são
apresentados na Quadro 10 e na Figura 29. .................................................................... 77
Quadro 10 – Interacção das variáveis climáticas, geográficas e diversidade de habitats
com a abundância da fêmeas adultas de mosca-do-Mediterrâneo (Ceratitis capitata
Wiedemann).................................................................................................................... 77
Quadro 11 – Resultados da análise estatística de SAM, relativo à abundância de
Machos. .......................................................................................................................... 79
Quadro 12- Resumo do modelo obtido da aplicação SAM, para os machos. ................ 79
A relevância de cada um dos conjuntos de variáveis introduzidos no SAM e suas
interrelações, atendendo à abundância dos machos adultos de mosca-do-Mediterrâneo
Ceratitis capitata Wiedemann), são apresentados na Quadro 13 e na Figura 33. .......... 81
Quadro 13 – Interacção das variáveis climáticas, geográficas e diversidade de habitats
com a abundancia dos machos adultos de mosca-do-Mediterrâneo (Ceratitis capitata
Wiedemann).................................................................................................................... 81
Resumo
_____________________________________________________________________________________
____________________________________________________________________________________
9
RESUMO
Desde o povoamento das Ilhas que a fruticultura existe, inclusive em alguns
momentos esta constitui uma fase importante da sua história agrícola, sendo motor de
desenvolvimento económico da região naquela época e potenciando a sua relação com
mercados exteriores, exemplo disto foi o ciclo económico da laranja e, na actualidade as
culturas industriais como o ananás (e outras como o chá e o tabaco). Esta actividade
agrícola e com relevância a fruticultura têm sido influenciadas por graves problemas
fitossanitários que provocaram o fim de ciclos como o da laranja. Estes factores
promovem a ideia da fruticultura ser uma actividade difícil e de baixo interesse
económico e comercial.
O objectivo geral da presente tese foi identificar para a área de estudo definida
na ilha de S. Jorge, a presença de Ceratitis capitata Wied e analisar a sua relação com o
uso da paisagem, variáveis geográficas e climáticas, identificando dentro dos vários
factores, aqueles que estão associados a uma maior ocupação e multiplicação desta
importante praga.
Em termos metodológicos, foram considerados os aspectos ambientais
associados ao clima e foi inovador no que diz respeito à análise paisagística da
vegetação envolvente ao pomar, avaliando a sua importância na dispersão ou controle
desta praga, tendo sido efectuadas várias técnicas de recolha de dados, que incluem o
levantamento in situ da abundância de espécies envolventes aos pomares com registo
fotográfico. Outra fonte relevante de informação proveio da instalação de armadilhas
para o conhecimento local desta praga. Foi também realizado um levantamento dos
impactos da mosca-do-Mediterrâneo através da recolha e análise visual da fruta das
áreas de estudo.
Para além de uma descrição da situação actual (cartografia de presença e taxa de
abundância) e, relativamente ao pomar, analisando a sua inserção paisagística, foi
efectuada uma análise com recurso aos SIG, índices de habitats e ao SAM, analisando
parâmetros paisagísticos e climáticos, que possibilitaram a identificação de variáveis
que possam promover a dispersão de C. capitata na ilha de S. Jorge.
Este estudo representa um importante incremento do conhecimento de uma das
mais importantes pragas da fruticultura regional, analisando a existência de uma inter-
Resumo
_____________________________________________________________________________________
____________________________________________________________________________________
10
relação entre a sua abundância da praga com a diversidade ambiental das áreas
adjacentes às parcelas produtivas.
Concluiu-se que, de todo o trabalho desenvolvido neste estudo, de facto, as
variáveis climáticas são as que possuem um maior efeito sobre o desenvolvimento,
proliferação e disseminação desta importante praga na Ilha de S. Jorge.
Palavra Chave: dispersão, mosca-do-Mediterrâneo, variáveis climática, variáveis
geográficas, índice de habitats, análise paisagem, SIG, SAM, São Jorge.
_____________________________________________________________________________________
____________________________________________________________________________________
11
ABSTRACT
Since the settlement of the islands that the fruit there, including at times this is
an important stage of its agricultural history, and engine of economic development in
the region at that time and enhancing its relationship with foreign markets, example of
this was the cycle economic of the orange, at present the industrial crops such as
pineapples (and others like tea and tobacco). This farming and fruit growing relevance
have been affected by serious disease problems that led to the end of the cycle of the
orange. These factors promote the idea of fruit being a difficult activity and low
economic and commercial interest.
The overall aim of this thesis was to identify the study area defined in S. Jorge,
the presence of Ceratitis capitata Wied and analyze its relation with the use of the
landscape, geographical and climatic variables, identifying within various factors, those
that are associated with higher occupancy and multiplication of this important pest.
In terms of methodology, this study considered the environmental aspects
associated with climate and was innovative with regard to the analysis of landscape
vegetation surrounding the orchard, evaluating its importance in the dispersal or control
this pest, having been made several techniques of data collection, including the in situ
survey of species abundance surrounding the orchards with photographic record.
Another relevant source of information consisted of the installation of traps and
identification of fauna collected. It was made a survey of the impacts of the fly-of-
Mediterranean by collecting fruit and visual analysis of the study areas. In addition to a
description of the current situation (mapping presence and abundance rate) and, for the
orchard, analyzing their integration landscape, an analysis was made using the GIS,
habitat indices and SAM, analyzing landscape and climatic parameters which allowed
the identification of variables that may promote the spread of the fly-of-Mediterranean
on the island of St. Jorge.
This study represents a significant increase in knowledge of one of the most
important pests of regional horticulture, analyzing the existence of an interrelationship
between the abundance of the pest with the environmental diversity of the adjacent
areas to productive plots.
_____________________________________________________________________________________
____________________________________________________________________________________
12
It was concluded that, of all the work done in this study, in fact, are the climatic
variables that have a major effect on the development, proliferation and spread of this
important pest on the island of St. Jorge.
Keywords: dispersion, fly-of-Mediterranean, climate variables, geographic
variables, index habitats, landscape analysis, GIS, SAM, St. George.
_____________________________________________________________________________________
____________________________________________________________________________________
13
INTRODUÇÃO
A fruticultura açoriana é uma actividade repleta de história. Desde o
povoamento que esta vertente agrícola representa um importante recurso regional com
vária fácies, incluindo o facto de representar um relevante elemento de subsistência, um
importante elemento paisagístico (para além de pomares as frequentes sebes de
protecção a vinhas, por exemplo). Na história das ilhas existiram de facto épocas em
que economia regional esteve amplamente associada a esta actividade. Como grandes
exemplos pode-se mencionar o ciclo da laranja (primeira metade do Séc. XIX) e
actualmente é de relevante interesse comercial e cultural o Ananás. Os altos e baixos da
fruticultura nos Açores estão associados a vários factores mas Lopes (2005) realça como
principal causa as crises fitossanitárias, caso da cultura da laranja.
Actualmente a fruticultura é encarada como difícil de baixo interesse económico,
apenas efectuada a titulo complementar e restringida a pequenas áreas com uma
produção associada ao auto-consumo (Lopes, 2005). Contudo existe uma clara e
crescente consciência das potencialidades da região para esta actividade. Desta forma
tem surgido um relevante número de projectos de investigação associados à
Universidade dos Açores e outras entidades regionais ligadas a este sector que tem
contribuído para o aumento do conhecimento científico sobre diferentes culturas
frutícolas e a sua divulgação nos agricultores numa tentativa de promover a actividade e
as suas potencialidades (desenvolvidos no âmbito do Projecto Interfruta).
Os insectos fitófagos da família Tephritidae, vulgarmente referidos como
''verdadeiras'' moscas-da-fruta, oferecem diferentes histórias de casos de invasões de
sucesso, principalmente mediadas pelo Homem. Esta família inclui mais de 5.000
espécies em todo o mundo, aproximadamente 1.400 das quais desenvolvem-se em
frutos carnosos. Os quatro géneros principais desta família são Ceratitis, Bactrocera,
Anastrepha e Rhagoletis, que incluem espécies de pragas importantes (White e Elson-
Harris, 1992). Nos últimos anos, os insectos destes géneros têm sido encontrados fora
da sua área original, como resultado do crescente comércio de frutas e da indústria do
turismo (Fig. 1).
Introdução
_____________________________________________________________________________________
____________________________________________________________________________________
14
Figura 1- Mapa de distribuição mundial de algumas das principais espécies de moscas -da-fruta
(modificado de CABI/EPPO 1998).
Através do movimento de frutas infestadas durante os séculos XIX e XX, as
moscas-da-fruta estabeleceram-se na região Mediterrânica, Havai e numerosas ilhas do
Oceano Índico e Atlântico, e na maioria das principais regiões continentais, com
excepção da Ásia e da América do Norte (White & Elson-Harris, 1992).
As moscas do género Ceratitis, que abrange cerca de 78 espécies, mostram
padrões altamente evoluídos de comportamento, que lhes permite superar as pressões da
selecção natural e contínua para optimizar o seu sucesso reprodutivo. Entre essas
espécies, a mais notória (White et al., 2000) é a mosca-do-Mediterrâneo, Ceratitis
capitata, que está distribuída na maioria das regiões tropicais e temperadas do mundo, e
constantemente ameaça invadir novas áreas (Carey, 1991).
Ceratitis capitata (Wiedemann) (Diptera: Tephritidae), também designada de
mosca-do-Mediterrâneo, é uma das pragas mais devastadoras de frutas, devido à sua
distribuição global, grande variedade de hospedeiros (Liquido et al., 1991), dispersão
rápida (Papadopoulos et al., 2003) e adaptação a baixas temperaturas (Del Pino, 2000).
A mosca-do-Mediterrâneo (Ceratitis capitata Wied.), (Diptera: Tephritidae), foi
referenciada pela primeira vez por Bodenheimer (1951) nas ilhas do Atlântico, em 1829.
Trata-se de uma praga de relevo nos Açores e são significativos os seus impactos.
O problema da mosca-do-Mediterrâneo (Ceratitis capitata Wied.) torna-se
significativo pois esta facilmente invade novos habitats, e o transporte fácil de algumas
Introdução
_____________________________________________________________________________________
____________________________________________________________________________________
15
frutas infectadas, com os seus ovos ou larvas permitiu a sua expansão rápida através de
áreas continentais e assim também chegar facilmente a qualquer região insular
(Carvalho & Aguiar, 1997). Os adultos desta espécie são muito polígafos, e podem
facilmente infestar entre 250-400 hospedeiros.
Nos Açores, o estudo do comportamento desse insecto tem sido realizado ao
longo dos últimos anos por Lopes et al. (2005, 2006, 2008a, 2008b, 2008c), no entanto,
este estudo foi limitado apenas à ilha Terceira, abrangendo a dinâmica populacional,
dispersão, índices de infestação de diferentes hospedeiros e a eficácia de alguns meios
de combate a esta praga. Estes mesmos estudos mostraram que a aplicação de Sistemas
de Informação Geográfica (SIG) parece ser uma ferramenta muito útil na delimitação de
focos de infestação desta praga, bem como para o mapeamento das áreas de sua
dispersão. O uso deste tipo de ferramenta permite, de acordo com Lopes et al., (2005a)
detectar, atendendo à topografia, e ocupação do solo na ilha Terceira, os refúgios
possíveis que podem facilitar a sobrevivência desse insecto durante o inverno que se faz
sentir e sua relação com as elevadas densidades populacionais que se registam nas zonas
e maior produção frutícola da Ilha Terceira.
A investigação da cobertura da vegetação foca-se, por vezes, na descrição geral
da mesma, podendo usar dados de satélite como uma ferramenta qualitativa para estudar
um ecossistema específico (Carlson & Sanchez-Azofeifa, 1999). Rainis, (2003) sugere
que para além do estudo da composição da paisagem também devem ser considerados o
seu arranjo e distribuição para a monitorização das mudanças. Durante várias décadas as
medidas quantitativas dos padrões espaciais (e.g. métricas de paisagem) foram usadas
para ligar processos ecológicos e ambientais com padrões encontrados na paisagem
(O’Neill et al., 1988). As decisões tomadas sobre a gestão dos recursos requerem
informação temporal e espacial de modo a poderem ter efeitos duradouros sobre a
paisagem. Consequentemente, o mapeamento da paisagem ao longo do tempo,
incorporando as relações espaciais e quantificando a sua estrutura são componentes
críticos para um estudo de análise de alterações. Para melhor revelar as dinâmicas da
paisagem, o desafio da análise por detecção remota passa pela inferência de processos
ecologicamente significativos a partir dos instantâneos das imagens. Assim a integração
da ecologia da paisagem [estudo do como a estrutura e composição da paisagem afecta
(os processos que determinam) a abundância e distribuição dos organismos (Turner,
Introdução
_____________________________________________________________________________________
____________________________________________________________________________________
16
1988)], com a detecção remota e a ciência de informação geográfica podem fornecer os
meios para entender as dinâmicas da paisagem a partir de dados temporalmente
discretos com o auxílio das métricas de paisagem (Crews-Meyer,2002).
De acordo com Borges et al., (2011) (fide in Brown & Maurer, 1989; Gaston,
1994, 2003; Brown, 1995; Lawton, 1999, 2000; Maurer, 1999; Gaston & Blackburn,
2000) a Macroecologia é um campo recente da ecologia dedicada ao estudo dos padrões
de distribuição de espécies, abundância e riqueza em grandes escalas espaciais e
temporais. Este campo de estudo tem evoluído muito rapidamente e, iniciou-se por uma
descrição inicialmente simples de padrões. Atualmente existe muita literatura publicada
sobre este assunto, a avaliar e explicar os mecanismos potenciais associados com tais
padrões.
Alguns dos padrões macro ecológicos estudados até agora são particularmente
utilizados no estudo de comunidades ecológicas: i) a distribuição de frequência das
abundâncias das espécies logaritmicamente transformadas, ii) os intervalos geográficos
não transformados das espécies são distribuídos de acordo a "curva vazia" (Borges et
al.,2011, fide in Gaston, 2003), então a maioria das espécies têm um intervalo estreito,
enquanto alguns são mais generalizado, independentemente da extensão analisada
(Borges et al.,2011, fide in Gaston & Blackburn, 2000), e iii) a relação entre a
abundância e o tamanho de intervalo geográfico da espécie é positivo (Borges et
al.,2011), iv) a riqueza de espécies das comunidades locais está relacionada com a
riqueza regional, e não totalmente dependente de processos locais e v) a relação entre a
riqueza e área (isto é, a relação espécie-área) é positivo e a sua inclinação varia dentro
de um conjunto limitado de valores, onde é considerada como um dos mais fortes
padrões observados em ecologia (Borges et al.,2011, fide in Rosenzweig, 1995; Lawton,
1999; Gaston & Blackburn, 2000; Whittaker & Fernández-Palacios, 2007).
O foco principal da ecologia geográfica e macroecologia é entender as causas da
ecológica estruturada em padrões no espaço. (Bini, et al., 2009)
O objectivo geral da presente tese é identificar para a área de estudo definida na
ilha de S. Jorge, a presença de Ceratitis capitata Wied e analisar a sua relação com o
uso da paisagem, variáveis geográficas e climáticas, identificando dentro dos vários
Introdução
_____________________________________________________________________________________
____________________________________________________________________________________
17
factores quais os que estão associados a uma maior ocupação e multiplicação desta
importante praga.
Em termos metodológicos este estudo teve em consideração os aspectos
ambientais associados ao clima mas é inovador no que diz respeito à análise paisagística
da vegetação envolvente ao pomar avaliando a sua importância na dispersão ou controle
desta praga, foram efectuadas várias técnicas de recolha de dados, que incluem o
levantamento in situ da abundância de espécies envolvente aos pomares com registo
fotográfico. Outra fonte relevante de informação consistiu na instalação de armadilhas e
identificação da fauna recolhida. Foi realizado igualmente um levantamento dos
impactos da mosca do mediterrâneo através da recolha e análise visual da fruta das áreas
de estudo.
Para além de uma descrição da situação actual (cartografia de presença e taxa de
abundância) e, relativamente ao pomar analisando a sua inserção paisagística foi
efectuada uma análise com recurso ao software ArcGis 9.3 (Sistemas Informação
Geográfica), índices de habitats e ao software SAM 4.0 (“análise espacial em
macroecologia”), analisando parâmetros paisagísticos e climáticos, possibilitando a
identificação de variáveis que promovam a dispersão da mosca do mediterrâneo na ilha
de S. Jorge e, que de um modo geral possam posteriormente ser aplicadas a estudos
desta praga na generalidade das ilhas do Arquipélago dos Açores e outras ilhas da
Macarronésia.
Pretende - se com este estudo, um incremento do conhecimento desta praga na
região. Os resultados obtidos permitirá localizar grandes focos na área de estudo, no
entanto o seu maior interesse refere-se à identificação de factores paisagísticos, ou seja
detectou – se, que existe uma interacção entre os factores climáticos com os factores
geográficos na relação com o uso da paisagem.
Introdução
_____________________________________________________________________________________
____________________________________________________________________________________
18
Como objectivos específicos deste trabalho podemos enunciar os seguintes:
Análise da evolução temporal e quantificação das densidades
populacionais dos adultos desta praga existente nos pomares.
Identificação os grandes focos de infestação da mosca-do-
Mediterrâneo.
Analise do impacto desta praga em termos de percentagem de
frutos infectados, ou seja na redução da produção e quantificar estas perdas
economicamente.
Identificação dos factores paisagísticos e ambientais que estão
relacionados com a ocupação das parcelas por esta praga e que sejam responsáveis
pela sua disseminação.
Capitulo 1 - Aspectos gerais das Condições Climáticas dos Açores
_____________________________________________________________________________________
____________________________________________________________________________________
19
CAPITULO 1 - ASPECTOS GERAIS DAS CONDIÇÕES
CLIMÁTICAS DOS AÇORES
Têm sido apresentados alguns trabalhos sobre o clima dos Açores, dos quais
sobressai a obra do Cor. J. Agostinho (publicados entre os anos 20 e 40 do Século
passado). Mais tarde, Bettencourt, (1979) apresentou uma análise global e Ferreira,
(1980), um estudo dos ventos e humidade. Os trabalhos mais recentes de Azevedo,
(1996) permitiram um grande avanço no conhecimento do clima em altitude, até então
conhecido apenas por estimativas. O modelo CIELO, desenvolvido por este
investigador usa uma metodologia que permite a partir da informação climática
existente e da modelação física dos mecanismos climáticos de expressão local, permite
uma generalização da informação meteorológica a todo o território, bem como uma
caracterização climática à escala local da superfície insular (Azevedo et al., 1999),
constituindo uma fonte de informação indispensável para o conhecimento do clima dos
Açores.
Segundo Azevedo, (2001), o clima do Arquipélago dos Açores é essencialmente
ditado pela localização geográfica das ilhas no contexto da circulação global
atmosférica e oceânica e pela influência da massa aquática da qual emergem.
De uma forma muito geral o seu clima pode ser caracterizado pela sua
amenidade térmica, pelos elevados índices de humidade do ar, por taxas de insolação
pouco elevadas, por chuvas regulares e abundantes e por um regime de ventos vigorosos
que rondam o arquipélago acompanhando o evoluir dos padrões de circulação
atmosférica à escala da bacia do Atlântico Norte (Azevedo, 2001).
O clima das ilhas apresenta, no entanto, uma sazonalidade medianamente
marcada que se reflecte nos diferentes elementos do seu clima. As quatro estações do
ano, típicas dos climas temperados, são reconhecíveis. Os invernos, podendo ser
chuvosos, não se manifestam excessivamente rigorosos. A ocorrência de neve, sendo
esporádica, só ocorre nas zonas altas. A precipitação ocorre durante todo o ano, mesmo
nos meses de estio, embora nestes com muito menor expressão. A precipitação de
origem frontal é significativamente reforçada pela precipitação de origem orográfica no
interior de cada ilha. Os verões são amenos e significativamente mais ensolarados do
que o resto do ano. São raros, no entanto, os dias de céu completamente limpo. Os
Capitulo 1 - Aspectos gerais das Condições Climáticas dos Açores
_____________________________________________________________________________________
____________________________________________________________________________________
20
períodos tempestuosos, sendo mais frequentes de Inverno podem, no entanto, ocorrer
em fins de Verão e no Outono por efeito de esporádicas tempestades tropicais em
evolução próximo do arquipélago. Violentas tempestades quer de origem tropical quer
provocadas por células depressionárias provenientes das latitudes mais setentrionais do
Atlântico Norte Ocidental são responsáveis por numerosos episódios de precipitação,
ora intensa ora persistente, com os consequentes impactes nos regimes de drenagem (na
sua maioria de carácter torrencial), bem como no que diz respeito à erosão e aos
fenómenos de deslizamento de massa decorrentes da saturação e alteração da agregação
dos solos, da alteração da estabilidade de vertentes e taludes, e do derrube e transporte
de grandes quantidades de massa vegetal (Azevedo, 2001).
Em termos gerais, muito embora se verifique uma variação das condições
climáticas de um extremo ao outro do arquipélago e se observe uma variação espacial
significativa dentro de cada ilha, o seu clima no litoral pode ser classificado
genericamente de mesotérmico húmido com características oceânicas. (Azevedo, 2001).
1.1.1. Temperatura
A distribuição espacial da temperatura do ar é, regra geral, condicionada pelos
factores fisiográficos, principalmente relevo, natureza do solo e seu revestimento, assim
como a proximidade ao mar (Bettencourt, 1979). Segundo Agostinho, (1942), não
existem grandes diferenças de ilha para ilha, relativamente às condições médias de
temperatura que prevalecem às diferentes altitudes. Os dados de temperatura média
anual, disponibilizados pelo Centro de Clima, Meteorologia e Mudanças Globais da
Universidade dos Açores, (2008), confirmam a homogeneidade deste parâmetro em
altitudes semelhantes em diferentes ilhas. Os dados apresentados por este Centro
mostram que a temperatura média anual na Vila Nova do Corvo (para o ano de 2006) é
de 19,4ºC; em Angra do Heroísmo (para o ano de 2007) é de 18,91 ºC; no que diz
respeito à cidade da Horta (dados de 2006 e 2007) é de 19,84 ºC; finalmente para Ponta
Delgada o valor médio anual (para o ano e 2006) é de 19,52 ºC.
O que determina a temperatura à escala local é sem dúvida a natureza do coberto
vegetal e em particular, do substrato geológico, sendo de destacar a influência das
escoadas de lava negra e das faixas litorais de rocha basáltica (Agostinho, 1942).
Agostinho, (1938) menciona que a variação de temperatura do ar com a altitude se
Capitulo 1 - Aspectos gerais das Condições Climáticas dos Açores
_____________________________________________________________________________________
____________________________________________________________________________________
21
verifica em regra, para todo o arquipélago, a uma taxa aproximada de 0,6º por 100
metros. Os valores mais altos da temperatura do ar observam-se quando o anticiclone
subtropical dos Açores é intenso, muito desenvolvido, orientado na direcção sudoeste-
nordeste e está centrado a sudoeste do Arquipélago (Bettencourt, 1979).
Embora este factor tenha influência na distribuição das espécies de zonas
húmidas, de acordo com Mendes, (2010), a temperatura não parece atingir amplitudes
nem valores mínimos que constituam factor limitante para o desenvolvimento
vegetativo das espécies vegetais, embora possam ocorrer geadas acima dos 600 m.
1.1.2. Pluviosidade / Humidade
A pluviosidade e a humidade são, entre os factores climáticos, aqueles que maior
influência tem na formação, desenvolvimento e extensão de zonas húmidas nos Açores.
A pluviosidade parece ser dependente da movimentação de massas de ar, facto
que explicará a sua distribuição decrescente de W para E, com a maior pluviosidade
(para a mesma altitude) na ilha das Flores e a menor em Sta. Maria, facto já referido por
Agostinho (1941). A distribuição da pluviosidade também não é homogénea durante
todo o ano, tendo o seu máximo em Dezembro/Janeiro. A sua percentagem, de Outubro
a Fevereiro (inclusive), em relação ao total anual, é superior a 50%, enquanto de Junho
a Agosto (inclusive), é de apenas 14% (Agostinho, 1941). Os dados de pluviosidade
disponibilizados pelo Centro de Clima, Meteorologia e Mudanças Globais da
Universidade dos Açores (2008), mostram que a precipitação média mensal Vila Nova
do Corvo (para o ano de 2006) é de 119 mm; em Angra do Heroísmo (para o ano de
2007) é de 71 mm; no que diz respeito à cidade da Horta (dados de 2006 e 2007) é de
85 mm; finalmente para Ponta delgada o valor médio mensal (para o ano e 2006) é de
109 mm.
Para além dos valores de precipitação directa, na vegetação de altitude esta
amplitude é fortemente compensada pela precipitação horizontal, resultante do efeito de
Föehn. Este fenómeno, de particular importância nas ilhas oceânicas, tem o seu impacto
na distribuição da vegetação, evidente nas ilhas Canárias (Santos, 1983, Henriquéz et al.
1986). Estudos de Mendes, (2010) definem valores de entrada de água para a Serra de
Sta. Bárbara que atingem os 13000 mm anuais. Mendes, (2010) referem que a
precipitação oculta pode aumentar em 3 vezes a entrada de água nas zonas altas das
Capitulo 1 - Aspectos gerais das Condições Climáticas dos Açores
_____________________________________________________________________________________
____________________________________________________________________________________
22
ilhas. Para os Açores, a elevada humidade permanente, o intenso coberto de nuvens e a
distribuição dos ventos alísios apontam para um importante contributo desta
precipitação, principalmente nas vertentes Sul. A presença de um clima Muito Húmido
em altitude, ocupando o centro e centro-W da maioria das ilhas, e onde a situação
planáltica, com frequentes bacias endorreicas, cria condições frequentes de
encharcamento permanente, a que se deverá a existência das extensas zonas húmidas
identificadas durante a elaboração deste estudo.
1.1.3. Vento
O vento é um dos factores mais limitantes para o desenvolvimento de espécies,
principalmente em altitude (Mendes, 2010). Este condiciona a tipologia de vegetação de
zonas húmidas, principalmente em formações florestadas. O vento é influenciado pelo
relevo. A orientação das montanhas determina alterações na sua circulação. Assim, as
vertentes expostas ao vento são em geral mais húmidas e as vertentes resguardadas
menos húmidas. Com frequência estabelecem-se regimes de ventos próprios, como é o
caso do efeito de Foëhn. As condições de vento nos Açores tendem a variar bastante,
daí que sempre que tenhamos necessidade de conhecer o regime deste em determinado
local, torna-se necessário estudá-lo in loco. Algumas generalidades, de acordo com
Agostinho (1940): em Ponta Delgada os ventos dominantes são de NE, em Angra são de
SE e E, na Horta são de SW e nas Flores de S. Em termos de velocidades médias (de
acordo com o mesmo estudo), o valor mais alto é o da Horta (com 4,9 m/s) e o mais
baixo o de Ponta Delgada (com 2,9 m/s).
Capitulo 1 - Aspectos gerais das Condições Climáticas dos Açores
_____________________________________________________________________________________
____________________________________________________________________________________
23
1.2. Aspectos gerais das condições climáticas de São Jorge
Segundo Silva, (2003) São Jorge apresenta condições climáticas sui generis,
justificadas pela respectiva localização, dimensão e complexidade morfológica e
orográfica, uma vez que estes factores induzem a variação espacial, mais ou menos
significativa, dos diferentes elementos do seu clima.
1.2.1 Temperatura
Segundo silva, (2003) existe uma variação regular da temperatura do ar ao longo
do ano, apresentando uma média anual em todo o território de 11,06ºC, que atinge um
valor máximo de 15,30ºC junto à costa na parte sul da ilha e nas fajãs da costa Norte, e
um mínimo de 7,02ºc nos pontos mais altos, nomeadamente na zona do Pico da
esperança e da Serra do Topo. Também podemos constatar, com base nos perfis
climáticos da ilha, que para uma mesma cota, as temperaturas na Costa Sul são
superiores às registadas na Costa Norte. (Silva, 2003)
O mês de Agosto apresenta os valores mais elevados, em termos médios
(19,14ºC) e na média dos respectivos extremos (26,67ºC). Por sua vez, as temperaturas
médias mais baixas observadas (10,76ºC), assim como a média do respectivo extremo
(3,96ºC), correspondente ao mês de Fevereiro, as localidades da Calheta e Velas, ambas
localizadas no litoral da Costa Sul da Ilha, apresentam uma variação idêntica da
temperatura do ar, com valores médios anuais de 18,15ºC e de 17,77ºC, por sua vez, os
Rosais e o Topo, situados nas pontas da ilha, a altitudes mais elevadas, apresentam
também uma variação não muito díspar da temperatura média, apresentando valores
médios anuais de 15,33ºC e de 16,28ºC, respectivamente. O Pico da esperança, ponto
mais alto desta ilha, caracteriza - se por apresentar média anual baixa (10,20ºC). (Silva,
2003)
Capitulo 1 - Aspectos gerais das Condições Climáticas dos Açores
_____________________________________________________________________________________
____________________________________________________________________________________
24
1.2.2. Pluviosidade / Humidade
A sazonalidade da precipitação em S. Jorge é reveladora de um clima com
características marcadamente atlânticas onde, muito embora seja possível identificar
duas estações diferenciadas pelo regime pluviométrico, nomeadamente de Outubro a
Março e de Abril a Setembro, em nenhum mês do ano se verifica ausência de
precipitação.
Os meses de Outubro a Março concentram cerca 70% da precipitação total do
ano, por sua vez os menores valores desta variável correspondem aos meses de Julho e
Agosto.
A humidade relativa caracteriza – se por ser elevada ao longo do ano.
Em altitude, a humidade relativa do ar tende a aumentar, apresentando valores
próximos dos 95% nas zonas de maior altitude, acompanhando, de forma inversa, o
decréscimo da temperatura. (Silva, 2003)
1.2.3. Vento
Ao longo do ano predominam, nesta ilha, os ventos do quadrante Oeste,
verificando – se, no entanto, uma grande variação da direcção dos mesmos, facto
justificado pela localização em plena zona de confluência de diferentes sistemas de
circulação atmosférica, tal como as restantes do arquipélago. De uma maneira geral, de
Inverno, a evolução dos sistemas depressionários a Norte do arquipélago, conduz que os
ventos rondem a ilha por Norte e de Oeste para Leste. Durante o Verão, com a subida
em latitude dos sistemas de altas pressões da ilha é assediada por ventos do quadrante
Sul, Sudoeste e Sudeste. (Silva, 2003)
Capitulo 2 - Caracterização do objecto de estudo
_____________________________________________________________________________________
____________________________________________________________________________________
25
CAPITULO 2 - CARACTERIZAÇÃO DO OBJECTO DE
ESTUDO
2.1. Distribuição
A mosca-do-Mediterrâneo, Ceratitis capitata (Wied.) é uma das espécies de
insectos mais conhecidas a nível mundial é também vulgarmente conhecida por mosca
da fruta, ataca a nível mundial, mais de 250 espécies de plantas cultivadas, sendo
considerada a maior praga dos frutos frescos do mundo (Rössler, 1989).
A sua distribuição estende-se pelos cinco continentes, sendo uma espécie que
facilmente se adapta a diversas condições climáticas (Bodenheimer, 1951). Em Portugal
a mosca-do-Mediterrâneo, encontra-se estabelecida no continente Português, com
especial incidência na região do Algarve (Entrudo, 1955; Pereira, 1995; Carvalho et al.,
2000), na Madeira (Vieira, 1952; Pereira, 1999) e nos Açores (Pereira, 1949; Carvalho,
1984). No território continental a sua importância decresce de Sul para Norte.
Recentemente tornou-se mais agressiva no Norte do País (Leite & Torres, 1994),
havendo também nos últimos anos registos na zona Oeste afectando as produções
frutícolas desta Região. Esta crescente importância deve-se a uma menor severidade dos
invernos e a um aumento das zonas produção de fruta distribuindo-se por todo o País.
Isso aliado ao facto de haver circulação de frutos infestados estará na causa da migração
de locais onde a praga está presente todo o ano, para locais onde a praga só está presente
quando as condições climáticas e a disponibilidade de hospedeiro lhe são favoráveis.
Nos Açores o comportamento desta praga ainda carece de mais estudos.
Algumas tendências podem contudo ser apontadas. Trata-se de um importante problema
fitossanitário nos pomares dos Açores, cuja realidade tem vindo a ser amplamente
descrita para a Ilha Terceira (Pimentel, 2010). Nesta Ilha os prejuízos revelam-se de
uma extrema importância económica face à escassa produção das parcelas frutícolas
agravada de uma enorme taxa de infestação dos frutos. De acordo com os trabalhos
realizados por Lopes et al. (2005) e Costa (2007), os figos são os frutos que apresentam
os valores mais elevados de infestação, a pereira ocupa o segundo lugar e os
pessegueiros o terceiro (Pimentel, 2010).
Capitulo 2 - Caracterização do objecto de estudo
_____________________________________________________________________________________
____________________________________________________________________________________
26
2.2. Morfologia e Bioecologia
O desenvolvimento da mosca-do-Mediterrâneo compreende quatro estados de
desenvolvimento: ovo, larva, pupa e adulto (Carvalho et al., 2001). O ovo tem forma
elipsoidal alongada, é branco translúcido e mede cerca de 1mm de comprimento
(Carvalho et al., 2001).
Os ovos (Fig. 2) são brancos e translúcidos apresentando cerca de 1,0 mm de
comprimento e 0,2 mm de largura.
Figura 2 – Ovos de mosca-do-Mediterrâneo (C. capitata Wied) (Florida Division of Plant Industry
Archive, Florida Department of Agriculture and Consumer Services, Bugwood.org).
A larva é ápoda, de cor branca, com cerca de 8 mm de comprimento, quando
completamente desenvolvida, apresenta a extremidade posterior truncada e a anterior
pontiaguda, com uma pequena área escurecida, corresponde à armadura bucal (Carvalho
et al., 2001).
Capitulo 2 - Caracterização do objecto de estudo
_____________________________________________________________________________________
____________________________________________________________________________________
27
A pupa tem forma elipsoidal, com cerca de 3.5 mm de comprimento e 2.0 mm
de largura. A sua cor varia de amarelo a castanho – escuro dependendo da alimentação,
humidade e estado de desenvolvimento (Carvalho et al., 2001).
A pupa é coartacta, isto porque a pupação ocorre no interior da exúvia da larva
do 3º instar, que constitui um invólucro (puparium), em forma de barrilete, de início
esbranquiçado mas que, em pouco tempo, se torna acastanhado. É no interior desse
invólucro que a pupa se forma e fica protegida. É de salientar que é possível distinguir
os sexos logo a partir das pupas pela sua cor, uma vez que as pupas dos machos
apresentam uma coloração castanha e as das fêmeas são esbranquiçadas (Carvalho &
Aguiar, 1997).
Figura 3 – Pupas de mosca-do-Mediterrâneo (C. capitata Wied) (Scott Bauer, USDA Agricultural
Research Service, Bugwood.org)
Capitulo 2 - Caracterização do objecto de estudo
_____________________________________________________________________________________
____________________________________________________________________________________
28
A larva (Fig.4) é de cor variável entre o branco e o creme dependendo da sua dieta
alimentar (Leonardo, 2002) podendo atingir no final da 3ª instar cerca de 8 mm de
comprimento (Carvalho & Aguiar, 1997).
Figura 4 – Larva de mosca-do-Mediterrâneo (C. capitata Wied) (Florida Division of Plant Industry
Archive, Florida Department of Agriculture and Consumer Services, Bugwood.org).
No adulto, o corpo é nitidamente constituído pela cabeça, toráx e abdómen,
tendo um comprimento que oscila entre 3 e 6 mm e coloração amarelo – claro. O
dimorfismo sexual é nítido (Fig. 5). Isto é, o macho distingue-se com facilidade da
fêmea, essencialmente nas regiões cefálicas e abdominais. Só os machos possuem um
par de sedas espatuladas na zona cefálica e as fêmeas um oviscapto (Carvalho et al.,
2001).
Figura 5 – Aspecto do macho e da fêmea da mosca-do-Mediterrâneo (Ceratitis capitata
Wiedemann): Fonte: (Pimentel 2010).
Capitulo 2 - Caracterização do objecto de estudo
_____________________________________________________________________________________
____________________________________________________________________________________
29
Pouco depois da fecundação da fêmea inicia a postura, em grupos de três a dez
ovos, depositando-os a cerca 2 mm da superfície do fruto (Fig. 6). À temperatura média
de 26ºC, a eclosão dá-se ao fim de 2 dias (Carvalho et al., 2001). Completando o
desenvolvimento larvar na polpa dos frutos, as larvas abrem um orifício de saída e
deixam-se cair no solo para se enterrarem e puparem a pequena profundidade (2 cm a
10 cm), o que depende em grande parte das características físicas e da humidade do solo
(Carvalho & Aguiar, 1977).
O desenvolvimento larvar tem a duração de 6 a 7 dias à temperatura de 29ºC.
Depois da penetração no solo, a larva inicia uma série de transformações
passando o seu tegumento da cor inicialmente amarelada, para acastanhada e, por fim,
castanho – escura. Estas transformações são acompanhadas pelo endurecimento do
tegumento, dando origem ao pupário, enquanto no seu interior se forma a pupa
propriamente dita e, no final do desenvolvimento do adulto este emerge do pupário e
desloca-se do solo para a superfície. À temperatura de 26ºC – 27ºC, a pupa demora
cerca de 8 dias a complementar o desenvolvimento, após o que se dá a emergência do
adulto. Este ao alcançar a superfície do solo, procura um local abrigado e alimentado,
geralmente nas fruteiras. A maturidade sexual dos adultos chega a ser atingida ao fim de
4 dias, iniciando – se após a fecundação e a postura inicia-se um novo ciclo (Carvalho et
al., 2001). O ciclo de vida de C. capitata, entendido este como o período entre a postura
e o momento em que os adultos completam a maturidade sexual e se inicia novo período
de postura é, aproximadamente, de 21 dias quando a temperatura varia entre 26ºC e
29ºC (Carvalho et al., 2001).
O ciclo de vida, assim como o ciclo evolutivo, depende das condições climáticas
(temperatura, humidade), da natureza da dieta larvar, além de outros factores (Carvalho
et al., 2001).
Capitulo 2 - Caracterização do objecto de estudo
_____________________________________________________________________________________
____________________________________________________________________________________
30
Figura 6 - Ciclo de vida da mosca-do-mediterrâneo (C.capitata Wied.). Adptado de Carvalho et al.
(1999).
Para o combate à praga, os agricultores, recorrem à aplicação de grandes
quantidades de insecticidas organofosforados com resultados pouco aceitáveis, em
termos de eficácia, duração dos efeitos e salvaguarda da biodiversidade (Dantas et al.,
1999).
Dadas as limitações associadas à luta química em geral e à inviabilidade da sua
aplicação em Agricultura Biológica, será desejável encontrar e utilizar um meio de luta
alternativo que seja eficaz e que respeite o ambiente.
A utilização de armadilhas, em acções de monitorização e de captura em massa,
constitui um importante avanço tecnológico para a implantação de novas medidas de
luta denominadas de biotécnicas contra a mosca-do-Mediterrâneo.
Capitulo 2 - Caracterização do objecto de estudo
_____________________________________________________________________________________
____________________________________________________________________________________
31
2.3. Prejuízos causados pela mosca-do-Mediterrâneo
O adulto de C. capitata é muito polífago (Bodenheimer, 1951; Orlando, 1980)
podendo infestar um grande número de hospedeiros.
Nos Açores, o estudo do comportamento desse insecto tem sido realizado ao
longo dos últimos anos por Lopes et al. (2005, 2006, 2008a, 2008b, 2008c), no entanto,
este estudo foi limitado apenas à Ilha Terceira, abrangendo entre outras vertentes a
determinação de índices de infestação de diferentes hospedeiros.
De entre esses potenciais hospedeiros, os pêssegos integram-se nos frutos mais
susceptíveis e vulneráveis ao seu ataque. Isto, porque permitem o fácil desenvolvimento
dos ovos e larvas desta praga no seu interior (Pimentel, 2010) Contudo, nos pomares de
citrinos (Fig. 3), onde as suas populações atingem níveis elevados, principalmente perto
do período de maturação dos frutos, verifica-se uma mortalidade elevada nos ovos e
larvas no interior dos frutos, ultrapassando, muitas vezes, os 90%. (Carvalho & Aguiar,
1997). Normalmente, quando um fruto é atacado e á desenvolvimento de larvas no seu
interior, verifica-se um aumento significativo de manchas e surgem depressões em torno
dos pontos de ovoposição. Contudo, por vezes, mesmo que existam sintomas de ataque
não se regista o desenvolvimento de larvas, estes pontos acabam, assim, por ser portas
de entrada para outros microrganismos nocivos como diversos fungos que causam o
apodrecimento dos frutos afectados. O problema agrava-se quando estes frutos estão
misturados com os saudáveis, pois estes podem passar de fruto em fruto e acabar por
danificar os que não foram afectados directamente pela mosca-do-mediterrâneo.
Figura 7 - Impacto da mosca do mediterrâneo(Ceratitis capitata Wiedemann) em citrinos. Fonte:
Carvalho & Franquinho 1997.
Capitulo 2 - Caracterização do objecto de estudo
_____________________________________________________________________________________
____________________________________________________________________________________
32
2.4. Factores abióticos com influência no desenvolvimento da mosca-
do-Mediterrâneo
Tendo por base os vários trabalhos de investigação realizados onde se destacam
os de Bodenheimer (1951), Vieira (1952), Shu-Sheng Liu et al. (1995), Papadopoulos et
al. (1998), Papadopoulos et al. (2001) e de Powell (2003) a temperatura e humidade
relativa são indicados como os factores de maior impacto no ciclo de vida de mosca-do-
Mediterrâneo pelo que ambos os parâmetros serão alvo de análise no presente estudo.
Segundo Vieira, (1952) as chuvas intensas e prolongadas, superiores a 125 mm,
principalmente quando a temperatura desce para abaixo dos 15ºC, provocam uma
grande mortalidade da mosca-do-Mediterrâneo por provocarem a sua inactividade e
uma elevada taxa de mortalidade entre as pupas. Contudo, ainda de acordo com este
mesmo autor, as chuvas bem distribuídas, e desde que o factor térmico não desça baixo
dos 15ºC, são favoráveis ao desenvolvimento rápido da praga podendo, mesmo, ser um
dos factores climáticos preponderantes na definição dos óptimos de desenvolvimento
desta praga.
Revela-se por isto importante e decisivo o conhecimento da bioecologia da
mosca-do-Mediterrâneo, por forma a permitir um acompanhamento adequado e uma
mais valia no desenvolvimento e nas actividades essenciais para a sobrevivência e
multiplicação, designadamente, o desenvolvimento, a detecção do hospedeiro, a
alimentação, o acasalamento e a postura (Pereira, 1995). Os insectos para se
dispersarem recorrem a dois tipos de deslocamentos: migratórios e não migratórios
(Christenson & Foote, 1960; Pereira, 1995). Os deslocamentos migratórios podem ser
condicionados não só pelos hospedeiros mas também, por outros factores ambientais
como os meteorológicos, factores biológicos (tipo de vegetação, existência de frutos de
potenciais hospedeiros, bioecologia da praga) ou barreiras físicas (desertos ou
montanhas) (Maddison & Bartlett, 1989; Pereira, 1995). Por sua vez, os deslocamentos
não migratórios envolvem voos determinados por causas essencialmente biológicas
relacionadas com a procura de alimento, de acasalamento ou de postura dentro de um
“habitat” (Fletcher, 1989; Pereira, 1995).
Capitulo 2 - Caracterização do objecto de estudo
_____________________________________________________________________________________
____________________________________________________________________________________
33
De facto a análise da informação existente relativa aos factores abióticos
associados ao desenvolvimento desta praga estão centrados no clima.
Capitulo 3 - Material e Métodos
_____________________________________________________________________________________
____________________________________________________________________________________
34
CAPITULO 3 - MATERIAL E MÉTODOS
3.1. Descrição da área de estudo
O presente trabalho foi realizado na Ilha de S. Jorge, Açores.
O arquipélago dos Açores situa-se entre a Europa e América do Norte, entre as
coordenadas 36º 55’ e 39º 43’ de latitude norte e 25º 00’ e 31º 17’ de longitude oeste
(Bettencourt, 1979), constituindo a fronteira ocidental da Europa e o extremo norte e
este da Macaronésia. É constituído por três grupos distintos de ilhas: o grupo ocidental -
Flores e Corvo; central - Pico, Faial, S. Jorge, Terceira e Graciosa; e o oriental – S.
Miguel e Sta. Maria. As Ilhas açorianas ocupam na sua totalidade uma área aproximada
de 2.333 Km2. Talvez introdução
S. Jorge é uma ilha com uma área de 246 km², disposta em extensão linear de
considerável altitude, com um litoral escarpado e de difícil acesso. As suas fajãs são
numerosas, originadas por desmoronamentos ou acções torrenciais (Forjaz &
Fernandes, 1975). Na costa norte destacam-se as Fajã do Ouvidor, Fajã da Caldeira de
Cima, Fajã da Ribeira da Areia, Fajã dos Cubres e Fajã da Caldeira de Sto. Cristo. Na
costa Sul, a mais importante é a Fajã dos Vimes. A sua forma alongada e bastante
estreita (que a torna única a nível do arquipélago dos Açores) é o resultado de três
violentas erupções vulcânicas ocorridas com milhares de anos de intervalo. O planalto
central da Ilha situa-se a uma altitude média de 700 metros, caindo abruptamente para o
mar em determinadas zonas, especialmente no norte, onde existem falésias com mais de
400 metros (Forjaz & Fernandes, 1975). O Pico da Esperança (1.053 metros) é o ponto
mais alto da sua espinha dorsal. A matriz paisagística, que liga os dois maciços (Topo e
Pico da Esperança), é fortemente modelada pela actividade agropecuária, dominando as
áreas de pastagem e algumas áreas de uso silvícola, esta com um total domínio da
criptoméria. Ocorre neste corredor verde, conjuntamente com as áreas intervencionadas,
bolsas de habitats naturais de elevada importância ecológica, bem como sistemas mistos
de uso que contemplam uma importante integração com os sistemas naturais. Em
termos de formações naturais dominam bosques de Juniperus brevifolia (Seub.)Antoine,
florestas de Ilex perado Aít. Ssp azorica (Loes) Tutin e formações de Erica azorica
Hochst.. A zona de costa em termos de habitats é dominada por matas subespontâneas
de Myrica faya Ait. , Pittosporum undulatum Vent.e Erica azorica Hochst..
Capitulo 3 - Material e Métodos
_____________________________________________________________________________________
____________________________________________________________________________________
35
Em relação aos pomares estudados (Fig. 8) estes localizam-se tendencialmente
nas faixas litorais nas zonas de menor altitude da ilha.
Figura 8 – Localização da área de estudo na Ilha de S. Jorge (delimitação a vermelho e a amarelo
estão localizadas as armadilhas instaladas).
Com o objectivo de avaliar as possíveis diferenças entre as costas Norte e
Sul da ilha foram seleccionados pomares para este estudo em ambas as situações
(Fig.8).
Capitulo 3 - Material e Métodos
_____________________________________________________________________________________
____________________________________________________________________________________
36
3.2. Monitorização da mosca-do-Mediterrâneo
A análise da evolução e quantificação das densidades populacionais dos adultos
nos pomares em estudo foi efectuada através da implementação de armadilhas no campo
(Fig. 9). Foram colocadas 4 armadilhas (Tephri (com atrativo alimentar)) por Km2, com
a distância entre armadilhas de 1 Km a sua implantação no campo ocorreu em Março de
2011. Para a montagem da rede de armadilhas teve-se em conta os diferentes estratos de
altitude, bem como a realidade geográfica (quintas com pomares, quintais, vinhas e a
presença de hospedeiros desta praga). Cada armadilha foi georreferenciada recorrendo a
um GPS portátil (Etrex Legend – Garmin). A contagem e registo dos adultos capturados
de Ceratitis capitata (Wied.), nomeadamente, machos e fêmeas, realizou-se
quinzenalmente efectuando-se uma mudança de atractivos alimentares, designados por
3C (trimetilamina, acetato de amónio, putrescina) e da pastilha insecticida (DDVP), a
cada dois meses.
Com a implementação destas armadilhas no campo pretendeu-se monitorizar a
dinâmica populacional dos adultos da mosca-do-Mediterrâneo.
Figura 9 - Aspecto das armadilhas Tephri usadas na captura das fêmeas adultas instaladas no
campo.
A partir dos dados sobre o número de adultos recolhidos em cada uma das
parcelas estudadas procedeu-se à elaboração em SIG de mapas de dispersão dos adultos
da mosca-do-Mediterrâneo, com a identificação dos principais focos populacionais e
criação de mapas de risco.
Capitulo 3 - Material e Métodos
_____________________________________________________________________________________
____________________________________________________________________________________
37
A gestão do Sistema de Informação Geográfico será realizada pelo software
ArcGis 9.3 constituído por fotografia aérea dos locais interligados a bases de dados.
3.3. Análise de infestação de frutos da mosca-do-Mediterrâneo
Nesta avaliação dos frutos atacados por Ceratitis capitata (Wied.), realizaram -
se colheitas aleatórias de frutos, que tinham iniciado a sua maturação, com uma
periodicidade quinzenal (actividade iniciada na altura da 1ª recolha de adultos nas
armadilhas da rede), por cada estrato de altitude em função dos hospedeiros
identificados, atendendo aos hospedeiros chave, como a macieira e a laranjeira, entre
outros, que se pretende que venham constituir uma lista inicial a elaborar e que se
encontrem no interior e nas zonas envolventes aos pomares estudados.
Figura 10 –Determinação da taxa de infestaçãos
Resultou da observação visual dos frutos com sintomas de postura de C. capitata
e efectuou - se a recolha de 10 frutos por espécie fruteira, compreendendo a recolha de 5
frutos do chão e de 5 frutos da árvore. Caso não se encontrem as quantidades referidas,
as amostras serão recolhidas de acordo com a sua abundância.
Cada amostra, depois de recolhida, foi colocada em sacos de plástico
identificados com a data, local e altitude. Posteriormente no laboratório, os frutos foram
pesados e colocados em recipientes de plástico (Fig.10) durante 15 dias para
determinação da taxa de infestação por fruto e por quilograma de fruta. A observação
dos frutos realizou - se duas vezes por semana.
Capitulo 3 - Material e Métodos
_____________________________________________________________________________________
____________________________________________________________________________________
38
No caso da não verificação da presença de larvas ao fim dos 15 dias de
observação prosseguiu - se para a abertura do fruto e prospectar a presença das mesmas
antes de serem encaminhados como resíduos.
Foi elaborado em SIG de mapas de dispersão dos adultos da mosca-do-
Mediterrâneo, com a identificação dos principais focos populacionais e criação de
mapas de risco.
Capitulo 3 - Material e Métodos
_____________________________________________________________________________________
____________________________________________________________________________________
39
3.4. Análise da influência da paisagem com factores geográficos,
índices habitats e climáticos.
Análise da paisagem foi realizada através de factores climáticos, habitats e
geográficos.
Para tal, em termos da ocupação do solo, efectuou-se um levantamento in situ da
abundância de espécies envolvente aos pomares com registo fotográfico, elaborou – me
em SIG a delimitação das áreas dos pomares bem como as envolventes com um raio de
100 metros. Após determinadas as áreas calculou – se os índices de habitats através do
programa Species Diversity and Richness Version 4.0.para verificar a posteriormente
relevância do uso da paisagem na abundância da mosca-do-Mediterrâneo no software
SAM 4.0 (Análise Espacial em Macroecologia).
3.4.1. Índices de Habitats
Índice de Diversidade de Shannon – Wiener (H’)
H’= -Σpi ln pi,
Em que pi é ni/N, ou seja, porpoção de parcelas correspondentes a cada habitat
(Magurran,1988).
No presente estudo determinou – se este índice de diversidade para as parcelas
de cada habitat envolventes a cada pomar estudado.
Um pomar prioritário com base neste indice é suposto possuir uma diversidade
estrutural. Ou seja, baixa dominancia, e uma distribuição mais ou menos homogénea de
parcelas de cada habitat. (Magurran, 1988).
Índice de dominancia de Berger – parker (d)
d=Nmax/NT
Onde N max é o numero de parcelas do habitat mais comum e NT é a soma de
todos os habitat (Anónimo, 1998). De modo a assegurar que o valor do indice aumente
Capitulo 3 - Material e Métodos
_____________________________________________________________________________________
____________________________________________________________________________________
40
com o aumento da diversidade usou – se a sua forma reciproca (1/d) (Magurran, 1988).
Este indice é simples mas de grande interresse, pois permite determinar se um pomar é
homogéneo, ou seja, dominado por algum habitat em particular.
Índice de Simpson (D)
D= Σpi²
Onde pi é a proporção de parcelas de cada habitat. Este índice diminui com a
diversidade de habitats num pomar e vice – versa.
Equitabilidade (E)
Índice de equitabilidade de Simpson é igual a 1 quando as áreas das diferentes
classes de parcelas são iguais, à medida que as diferenças aumentam o valor diminui.
Capitulo 3 - Material e Métodos
_____________________________________________________________________________________
____________________________________________________________________________________
41
3.4.2. Varáveis Climáticas
Os dados climáticos utilizados foram fornecidos pelos Projectos CLIMAAT
(Interreg IIIB)(MAC 2.3/A3 - 03/MAC/2.3/A5 - 05/MAC/2.3/A1) universidades dos
Açores – Departamento de Ciências Agrárias.
Os mesmos foram trabalhados através do software SIG para a elaboração mapas
cartográficos necessários para a elaboração do estudo (Figuras 11, 12, 13 e 14).
Figura 11 – Valores médios da humidade máxima na Ilha de São Jorge.
Capitulo 3 - Material e Métodos
_____________________________________________________________________________________
____________________________________________________________________________________
42
Figura 12 – Valores médios da temperatura mínima na Ilha de São Jorge.
Figura 13 – Valores médios de precipitação na Ilha de São Jorge.
Capitulo 3 - Material e Métodos
_____________________________________________________________________________________
____________________________________________________________________________________
43
Figura 14 – Valores médios de temperatura na Ilha de São Jorge.
Foi necessário a utilização do software SPSS 10.0, para verificar e
normalizar os dados.
Após a determinação das áreas, determinadas com auxílio de um GPS portátil
(Etrex Legend – Garmin) e dos índices de diversidade para os habitats, incorporando os
dados de abundância total e os dados climáticos de cada local, recorreu-se novamente ao
software SPSS versão 10.0, para testar e verificar a normalidade de cada variável
explicadora e respetiva resposta (ver anexo).
Quando a normalização foi violada realizou – se a sua transformação
logarítmica, tendo - se utilizado o log (X+1) quando ocorriam zero (0) nas amostras.
As variáveis em que foi necessário realizar a normalização dos dados através de
transformações logarítmicas incluíram as duas respostas relativas à abundância de
fêmeas e abundância de machos e ainda a precipitação (ver anexo) de entre as diferentes
variáveis explicadoras.
Capitulo 3 - Material e Métodos
_____________________________________________________________________________________
____________________________________________________________________________________
44
O passo seguinte consistiu na avaliação da existência de colinariedade entre
variáveis explicadoras. Para tal, fez-se uma correlação paramétrica entre variáveis,
usando – se como regra aceitar apenas aquelas com correlações entre si inferiores a
r²=0,75 (quadro 5). Nos casos em que se verificou correlações superiores a 0,75 optou –
se pela variável com maior correlação. Assim sendo, as variáveis resposta obtidas são:
Variáveis climáticas
Humidade relativa máxima (Hrmax)
Temperatura mínima (Tmin)
Precipitação (Prec)
Variáveis habitats
Simpson_E
Breger – Parker
Variáveis geográficas
Altitude
Orientação
Inclinação
Latitude
Longitude
Para a obtenção de um modelo mínimo adequado realizaram-se regressões
múltiplas com “backward selection”, por este ser considerado uma das formas mais
robustas de seleccionar o conjunto de variáveis que explicam um modelo de regressão
múltipla (Crawley, 1983).
Capitulo 3 - Material e Métodos
_____________________________________________________________________________________
____________________________________________________________________________________
45
3.4.3. SAM 4.0 (Software de Análise Espacial em Macroecologia)
É um programa concebido como um pacote de ferramentas para análise
estatística espacial, principalmente para aplicações em Análise de Superfície padrão
espacial. O programa SAM é usado principalmente nas áreas de macroecologia e
biogeografia. Uma das suas grandes vantagens é a sua total integração com vários tipos
de SIG nomeadamente a importação e exportação de dados para “shapefiles”. Desta
forma foram avaliadas as tipologias de climáticas/geográficas e habitats envolventes ao
pomar que sejam de menor aptidão para a praga (Rangel et al., 2010).
Este programa permite também a análise estatística descritiva de padrões
espaciais, como por exemplo, auto correlações e regressões espaciais avançadas
(Rangel et al, 2010).
A auto correlação espacial pode ser avaliada com dados multidimencionais.
Esta técnica é bastante frequente na ecologia e biologia evolutiva para analisar a
semelhanças entre variáveis. Permite definir uma matriz de variância-covariância e
assim verificamos a interação entre até três conjuntos de variáveis (Rangel et al, 2010).
Foi analisado no programa acima referido a interação de três variáveis
explicativas (climáticas, habitats e geográficas) com a variável resposta (abundância da
praga em estudo).
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
46
CAPITULO 4 - RESULTADOS E DISCUSSÃO
4.1. Monitorização dos adultos de mosca-do-Mediterrâneo (Ceratitis
capitata Wiedemann)
Os resultados apontam que os valores totais e médios das populações de adultos
C. capitata encontrados na Ilha de S. Jorge são elevados, o que é preocupante para a
escassa produção frutícola da Ilha prevendo assim grandes prejuízos causados por esta
praga.
Uma análise dos resultados obtidos, expressos em termos de
média/armadilha/mês (Fig.15) mostra que as capturas dos adultos da mosca-do-
Mediterrâneo são muito superiores na Zona Sul tendo sido registado nesta área de
estudo um pico populacional máximo em Agosto com a captura de cerca de 78 adultos
em média por armadilha por mês. A Norte o máximo de capturas foi registado, um mês
depois, ou seja, no mês de Setembro mas com nível bastante menor, não atingindo os 10
adultos/armadilha/ mês.
Os dados obtidos durante este estudo permitem estabelecer uma realidade
deveras preocupante em relação a esta praga uma vez que a densidade populacional de
fêmeas obtidas é amplamente superior à encontrada para a Ilha Terceira, verificando-se
assim condições para maiores perdas na produção na Ilha de S. Jorge.
Nas duas áreas de estudo, e como já foi mencionado anteriormente, observou-se
uma disparidade temporal relativa ao aparecimento de adultos entre a zona Sul e a zona
Norte. Esta informação pode ser utilizada na previsão do aparecimento dos adultos nas
áreas de produção localizadas a Norte uma vez que dos dados recolhidos se observa que
estes aparecem com um atraso de um mês em relação ao pico populacional observado a
Sul. Desta forma pode-se, antecipadamente, tomar medidas de protecção dos frutos dos
pomares de macieira localizados na zona Norte diminuindo assim, de forma mais
significativa, a sua menor prevalência nessas parcelas de produção.
Assumindo a integração deste estudo numa realidade de objectivos mais gerais
em relação à mosca-do-Mediterrâneo foi criada e gradualmente melhorada uma base de
dados em SIG resultado dos estudos que tem vindo a ser efectuados. A sua utilização
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
47
permite simultaneamente uma maior facilidade e rapidez, quer no dimensionamento dos
dados obtidos nos estudos conduzidos quer no tratamento dos próprios dados. A
representação cartográfica dos registos de capturas obtidos permite assim uma melhor
visualização e detecção dos principais focos de C. capitata na Ilha de S. Jorge (Fig.18 e
19). De facto, a integração destes dados da monitorização em ambiente SIG é uma
ferramenta essencial que permite construir cartas com definição dos locais com maiores
densidades populacionais desta praga, quer na zona Norte quer na zona sul da Ilha e S.
Jorge.
Apesar das armadilhas Tephri serem direccionadas para a captura de fêmeas (ao
possuírem um atractivo alimentar) optou-se para conhecer as densidades e a flutuação
populacional dos machos pela utilização simultânea de armadilhas Delta (com feromona
sexual especifica) nas mesmas áreas de estudo. Os resultados obtidos em relação aos
machos adultos confirmam, na ilha de S. Jorge, uma densidade de adultos, muito menor,
comparativamente com a Ilha Terceira tendo em conta os resultados obtidos por
Pimentel (2010). Para além disso, as densidades dos machos são muito menores em
relação às fêmeas (Fig.20).
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
48
Ilha de São Jorge
0
10
20
30
40
50
60
70
80
Mar Abr Mai Jun Jul Ago Set Out Nov Dez Jan Fev Mar Abr Mai Jun
2011 2012
Mé
dia
me
nsa
l
M
F
Figura 15 – Capturas mensais dos adultos de mosca-do-Mediterrâneo (C. capitata Wied).
Zona Norte, Ilha de São Jorge
0
50
100
150
200
250
300
350
400
Mar Abr Mai Jun Jul Ago Set Out Nov Dez Jan Fev Mar Abr Mai Jun
2011 2012
Cap
tura
s to
tais
M
F
Figura 16 - Capturas totais na Zona Norte da Ilha de São Jorge dos adultos de mosca-do-
Mediterrâneo (C. capitata Wied).
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
49
Zona Sul, Ilha de São Jorge
1 35203
649 709
2860
2154
5392
18057 89 19 27 106
394174
0
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
5500
6000
Mar Abr Mai Jun Jul Ago Set Out Nov Dez Jan Fev Mar Abr Mai Jun
2011 2012
Cap
tura
s to
tais
M
F
Figura 17 - Capturas totais na Zona Sul da Ilha de São Jorge dos adultos de mosca-do-Mediterrâneo
(C. capitata Wied)
Considerando que, dos adultos da mosca-do-Mediterrâneo (C.capitata), são as
fêmeas que desempenham um papel fundamental no aparecimento dos prejuízos nos
frutos, pois são elas que pelas posturas que realizam nos frutos causam a sua
desvalorização em termos comerciais danos, foi fundamental determinar os seus
principais focos populacionais. Nesse sentido, tendo em conta a sequência mensal
apresentada na Figura 15, utilizando o ArcGis foi possível determinar,
cartograficamente, a localização destes focos (Fig. 18).
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
50
Figura 18 – Capturas das fêmeas adultas de mosca-do-Mediterrâneo (C.Capitata Wied).
Figura 19 – Capturas dos machos adultos de mosca-do-Mediterrâneo (C. capitata Wied).
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
51
Figura 20 – Relação de fêmeas para um macho de adultos de mosca-do-Mediterrâneo (C. capitata
Wied).
4.2. Determinação da Taxa de infestação de frutos
Os resultados da análise de infestação dos frutos apresentam-se na tabela 1. De
acordo com Vieira (1952) as fêmeas de mosca-do-Mediterrâneo (Ceratitis capitata
Wiedemann) normalmente seleccionam os frutos mais polposos e aromáticos para
realizarem as posturas. De facto, atendendo aos resultados obtidos na determinação de
infestação de frutos, comparando com os trabalhos de Lopes et al. (2005a) e Costa,
(2007), os figos, nêsperas e araçás, são os frutos mais apetecíveis para as fêmeas
adultas com taxas totais de infestação de superiores a 1.000 larvas por quilo de fruta.
Atendendo à área total de estudo, na Figura 21 estão localizados os locais de
amostragem de frutos bem como , a vermelho, os que evidenciaram as mais elevadas
taxas de infestação por C. capitata .
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
52
Figura 21 – Localização dos pontos de amostragem onde nos frutos se registaram as maiores taxas
de infestação.
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
53
Quadro 1 - Resumo dos frutos amostrados e respectivas taxas de infestação.
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
54
Continuação - Quadro 1 - Resumo dos frutos amostrados e respectivas taxas de infestação.
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
55
Continuação - Quadrado 1 - Resumo dos frutos amostrados e respectivas taxas de infestação.
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
56
N.º de larvas/Kg de Fruta
0 200 400 600 800 1000 1200 1400 1600 1800 2000
AbacateAmeixaAnonaAraçá
BarrileiroCafé
DiospiroFigo
GoiabaLaranja
Laranja azedaMaçã
MarmeloMedronhoNectarina
NêsperaPêra
PêssegoRomã
TomateUva
Total
Figura 22 – Taxa de infestação de diferentes frutos amostrados (expressas em número de larvas por
Kg de frutos).
De acordo com a Figura 22 o figo é o fruto que apresenta maior taxa de infestação
larvar da C. capitata, seguindo-se da nêspera, café e araçá.
Da análise da Figura 22 e o Quadro 1 verifica-se que as elevadas taxas de infestação da
mosca-do-mediterrâneo observam-se em zonas com maior número de hospedeiros perto dos
pomares estudados. Para Azevedo Junior et al. (1998), C. capitata esse facto assume
grande importância porque pode ocorrer durante todo o ano, devido à grande
diversidade de frutos que este insecto afecta, apresentando o que normalmente é
chamado de “sucessão de hospedeiros”, ou seja, passa de uma fruteira para outra, à
medida que estas vão frutificando e amadurecendo os seus frutos ao longo do ano.
Assim, a existência de hospedeiros silvestres próximos de pomares comerciais
agrava o problema colocado por esta praga permitindo a existência de elevadas
densidades populacionais (Malavasi, 1980). Quando existem hospedeiros em
abundância, a população de C. capitata aumenta e apenas ocorre migração desses para
outros locais, na procura de habitat e condições mais favoráveis, quando a
disponibilidade de frutos diminui (Malavasi & Morgante, 1981).
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
57
4.3. Variáveis climáticas
De acordo com os resultados obtidos a partir dos dados CLIMAT, foi
necessário normalizar apenas a variável precipitação (ver anexo) que não
apresentava uma distribuição normal. No Quadro 2 é apresentada a variável
precipitação já normalizada.
Quadro 2 - Dados climáticos (valores médios anuais da ilha de S. Jorge) (Fonte: CLIMAT).
HRMAX TMIN PRECIPITACAO TMAX
98,2134 12,529733 0,39999756 17,648333
97,881 12,320267 0,399997509 17,472333
98,783666 11,6922 0,399998647 16,8756
92,761533 14,2218 0,399996837 19,385666
95,920133 13,153733 0,399997751 18,2814
93,821466 13,9506 0,39999741 19,116533
91,655133 14,459467 0,399997395 19,652067
89,614733 14,913333 0,39999604 20,074
93,79 13,8066 0,399998595 18,957467
94,444268 13,5966 0,399998148 18,761467
90,389134 14,748133 0,399996004 19,9302
89,824266 14,858067 0,39999706 20,073
92,793067 14,009733 0,399997624 19,222334
88,603067 15,0784 0,399996766 20,2558
88,617801 14,948333 0,39999675 20,158733
89,156801 14,917 0,399997035 20,130067
94,190866 13,052333 0,399998726 18,243133
87,677867 15,259333 0,399996707 20,483466
89,123733 14,796267 0,399997065 20,002267
98,977 10,992267 0,399998976 16,284467
97,979933 11,652667 0,399997208 16,925667
97,898734 11,7134 0,399997344 16,9806
97,728934 11,888933 0,399997559 17,152067
98,543133 11,264467 0,399999277 16,554
98,7734 11,387133 0,399999201 16,6678
98,128 11,620267 0,399999204 16,931533
98,763467 11,475533 0,399999218 16,7626
97,369066 12,016 0,399998355 17,304267
96,674599 12,334733 0,399997725 17,5926
94,261733 13,686067 0,399997078 18,933733
91,187466 14,500333 0,399996725 19,785733
90,901133 14,560733 0,399996401 19,826466
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
58
4.4. Análise da influência da paisagem (factores geográficos, índices
habitats e climáticos) na abundância da mosca-do-Mediterrâneo.
Figura 23 – Exemplo da delimitação das áreas envolventes aos pomares (num raio de 100 metros).
Com base na observação in situ e no levantamento fotográfico realizado em cada um
dos pomares, foi possível elaborar uma memória descritiva generalizada dos habitats
existentes nas respetivas áreas envolventes. Utilizando o software ArcGis 9.3, com essa
mesma memória e as fotografias aéreas dos locais, foi possível cartografar cada um dos
pomares e as respetivas áreas envolventes até a um raio de 100 metros (Fig. 23). Com
esta análise foi possível elaborar o Quadro 3.
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
59
Quadro 3 - Áreas envolventes ao pomares e tipo de habitas.
Pomar Área Hospedeiros em habitat Habitat
01N 669,09700000000 Vaccinnium cylindraceum J.E.Sm. Pittosporum undulatum Vent.
01N 9440,20000000000 Pittosporum undulatum Vent.
01N 9143,32000000000 Pittosporum undulatum Vent.
01N 29728,40000000000 Pittosporum undulatum Vent.
01N 2989,90000000000 Pastagem
01N 10136,80000000000 Cryptomeria japonica (L.f.) D. Don
01N 4471,09000000000 Pastagem
01S 2101,79000000000 Estrada (via de circulação automóvel)
01S 477,73200000000 Myrica faia Ait.
01S 5670,56000000000 Pastagem
01S 834,26000000000 Pastagem
01S 480,27700000000 Habitação
01S 12231,80000000000 Eriobotrya japonica (Thumb.) Lindl. Pastagem
01S 383,25200000000 Habitação
01S 862,48800000000 Anona cherimolia Mill., Eriobotrya japonica
(Thumb.) Lindl. Zona de cultivo (hórticolas)
01S 4746,39000000000 Pittosporum undulatum Vent.
01S 9902,16000000000 Pastagem
01S 261,23600000000 Habitação
02N 11997,20000000000 Pastagem
02N 12219,30000000000 Pittosporum undulatum Vent.
02N 8711,15000000000 Pittosporum undulatum Vent.
02N 8640,10000000000 Pastagem
02N 9810,79000000000 Cryptomeria japonica (L.f.) D. Don
02N 597,65300000000 Pastagem
02N 3664,21000000000 Cryptomeria japonica (L.f.) D. Don
02N 3142,58000000000 Pastagem
02N 19982,80000000000 Pastagem
02N 3401,63000000000 Pastagem
02N 23265,30000000000 Pittosporum undulatum Vent.
02N 4217,07000000000 Pittosporum undulatum Vent.
02N 28056,00000000000 Cryptomeria japonica (L.f.) D. Don
02N 5561,71000000000 Cryptomeria japonica (L.f.) D. Don
02N 179,48500000000 Pittosporum undulatum Vent.
02N 14096,30000000000 Malus domestica Borkh.
02S 491,95700000000 Zona de cultivo (hórticolas)
02S 190,12200000000 Habitação
02S 318,29800000000 Habitação
02S 192,97200000000 Habitação
02S 1288,96000000000 Pastagem
02S 1446,01000000000 Habitação
02S 417,84800000000 Vinha (Vitis Sp. L.)
02S 204,61300000000 Habitação
02S 3007,52000000000 Musa Spp.
02S 258,54000000000 Pittosporum undulatum Vent.
02S 462,06000000000 Habitação
02S 2790,87000000000 Pastagem
02S 173,41100000000 Habitação
02S 4901,88000000000 Pittosporum undulatum Vent.
02S 136,63600000000 Habitação
02S 15147,00000000000 Pittosporum undulatum Vent.
02S 2330,58000000000 Pastagem
02S 4857,29000000000 Vinha (Vitis Sp. L.), Ficus carica L..; Anona
cherimolia Mill. cherimolia Mill. Zona de cultivo (hórticolas)
02S 4789,40000000000 Pastagem
02S 1056,48000000000 Estrada (via de circulação automóvel)
02S 4971,78000000000 zona costeira
02S 1521,66000000000 zona costeira
03N 23271,30000000000 Pittosporum undulatum Vent.
03N 4217,07000000000 Pittosporum undulatum Vent.
03N 28069,10000000000 Cryptomeria japonica (L.f.) D. Don
03N 5561,71000000000 Cryptomeria japonica (L.f.) D. Don
03N 179,51800000000 Pittosporum undulatum Vent.
03N 11997,20000000000 Pastagem
03N 12219,30000000000 Pittosporum undulatum Vent.
03N 8711,15000000000 Pittosporum undulatum Vent.
03N 8640,10000000000 Pastagem
03N 9810,79000000000 Cryptomeria japonica (L.f.) D. Don
03N 597,65300000000 Pastagem
03N 3664,21000000000 Cryptomeria japonica (L.f.) D. Don
03N 3142,58000000000 Pastagem
03N 19982,80000000000 Pastagem
03N 3512,30000000000 Pastagem
03N 21510,40000000000 Malus domestica Borkh.
03S 1046,86000000000 Estrada (via de circulação automóvel)
03S 3334,70000000000 Vinha (Vitis Sp. L.), Ficus carica L..,
Eriobotrya japonica (Thumb.) Lindl.,
Castanea sativa Mill., Psidium grandifolium
Myrica faia Ait.
03S 2628,03000000000 Pastagem
03S 1816,22000000000 Estrada (via de circulação automóvel)
03S 915,40700000000 Zona de cultivo (hórticolas)
03S 8634,76000000000 Pastagem
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
60
(Continuação Quadro 3 - Áreas envolventes ao pomares e tipo de habitas).
03S 117,93200000000 Psidium grandifolium
03S 352,34700000000 Ficus carica L.., Eriobotrya japonica
(Thumb.) Lindl., Psidium grandifolium Zona de cultivo (hórticolas)
03S 4578,73000000000 Pastagem
03S 2496,30000000000 Pastagem
03S 96,95750000000 Habitação
03S 1552,45000000000 Habitação
03S 484,37600000000 Habitação
03S 768,13300000000 Habitação
03S 17355,30000000000 Pittosporum undulatum Vent.
03S 3782,72000000000 Myrica faia Ait.
04N 2573,18000000000 Estrada (via de circulação automóvel)
04N 6547,81000000000 Pastagem
04N 2902,26000000000 Myrica faia Ait.
04N 11532,20000000000 Exóticas
04N 8287,16000000000 Myrica faia Ait.
04N 7681,01000000000 Pittosporum undulatum Vent.
04N 9540,35000000000 Pastagem
04N 1143,49000000000 Pastagem
04S 4152,09000000000 Pastagem
04S 2978,10000000000 Estrada (via de circulação automóvel)
04S 295,41300000000 Habitação
04S 245,35300000000 Habitação
04S 160,36600000000 Habitação
04S 238,32500000000 Habitação
04S 204,53800000000 Habitação
04S 166,79900000000 Habitação
04S 679,31400000000 Habitação
04S 47,21190000000 Habitação
04S 153,55600000000 Habitação
04S 121,51700000000 Habitação
04S 101,57800000000 Habitação
04S 161,38700000000 Habitação
04S 745,23700000000 Habitação
04S 6440,76000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.
04S 2512,38000000000 Pastagem
04S 637,91400000000 Pastagem
04S 297,51300000000 Estrada (via de circulação automóvel)
04S 655,91500000000 Musa Spp.
04S 894,94000000000 Anona cherimolia Mill. Castanea sativa Mill.
04S 3182,18000000000 Zona de cultivo (hórticolas)
04S 977,41800000000 Pastagem
04S 246,67400000000 Zona de cultivo (hórticolas)
04S 1047,30000000000 Myrica faia Ait.
04S 483,99100000000 Habitação
04S 282,56000000000 Myrica faia Ait.
04S 546,00900000000 Zona de cultivo (hórticolas)
04S 1222,53000000000 Zona de cultivo (hórticolas)
04S 364,97900000000 Pittosporum undulatum Vent.
04S 1485,25000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.
04S 72,19320000000 Estrada (via de circulação automóvel)
05N 1675,76000000000 Estrada (via de circulação automóvel)
05N 1493,83000000000 Pastagem
05N 4562,39000000000 Pastagem
05N 2012,24000000000 Pastagem
05N 2989,57000000000 Pittosporum undulatum Vent., Erica azorica Hoschst.
05N 2658,90000000000 Pastagem
05N 3800,94000000000 Cryptomeria japonica (L.f.) D. Don
05N 440,25300000000 Habitação
05N 255,91700000000 Habitação
05N 164,41500000000 Habitação
05N 118,67100000000 Habitação
05N 4507,41000000000 Pastagem
05N 3370,85000000000 Ficus carica L.., Eriobotrya japonica
(Thumb.) Lindl. Myrica faia Ait.
05N 17101,90000000000 Pastagem
05S 34,13070000000 Ficus carica L..
05S 975,10500000000 Habitação
05S 509,61100000000 Habitação
05S 181,34500000000 Habitação
05S 417,26400000000 Habitação
05S 84,29880000000 Habitação
05S 251,54500000000 Habitação
05S 523,59300000000 Habitação
05S 1563,08000000000 Habitação
05S 184,87000000000 Habitação
05S 393,02500000000 Habitação
05S 198,14300000000 Habitação
05S 138,13800000000 Habitação
05S 2541,34000000000 Estrada (via de circulação automóvel)
05S 766,70800000000 Vinha (Vitis Sp. L.)
05S 2957,51000000000 Zona de cultivo (hórticolas)
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
61
(Continuação Quadro 3 - Áreas envolventes ao pomar e tipo de habitats).
05S 3630,17000000000 Pittosporum undulatum Vent.
05S 2275,80000000000 Pastagem
05S 2810,94000000000 Zona de cultivo (hórticolas)
05S 349,82500000000 Pastagem
05S 283,15000000000 Pittosporum undulatum Vent.
05S 1104,52000000000 Pastagem
05S 1437,96000000000 Zona de cultivo (hórticolas)
05S 144,98200000000 Zona de cultivo (hórticolas)
05S 2344,43000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.
05S 2760,72000000000 Zona de cultivo (hórticolas)
05S 1284,51000000000 Eriobotrya japonica (Thumb.) Lindl. Myrica faia Ait.
05S 682,30800000000 Pastagem
05S 95,63660000000 Zona de cultivo (hórticolas)
05S 138,96100000000 Zona de cultivo (hórticolas)
05S 315,60700000000 Pittosporum undulatum Vent.
06N 2045,75000000000 Estrada (via de circulação automóvel)
06N 142,13100000000 Habitação
06N 69,43940000000 Habitação
06N 336,80700000000 Habitação
06N 112,80600000000 Habitação
06N 5322,45000000000 Pittosporum undulatum Vent.
06N 2193,46000000000 Pastagem
06N 4460,47000000000 Pastagem
06N 424,59100000000 Pastagem
06N 1489,95000000000 Pastagem
06N 2977,41000000000 Pastagem
06N 2011,59000000000 Pastagem
06N 2197,16000000000 Pastagem
06N 6852,87000000000 Myrica faia Ait.
06N 6572,37000000000 Pittosporum undulatum Vent.
06N 8133,21000000000 Pittosporum undulatum Vent.
06S 77,58320000000 Habitação
06S 221,51400000000 Habitação
06S 10847,30000000000 Pittosporum undulatum Vent.
06S 451,14300000000 Zona de cultivo (hórticolas)
06S 3346,52000000000 Pastagem
06S 746,44500000000 Pittosporum undulatum Vent.
06S 220,76100000000 Pastagem
06S 394,41900000000 Anona cherimolia Mill., Ficus carica L.. Zona de cultivo (hórticolas)
06S 1450,62000000000 Pittosporum undulatum Vent.
06S 450,90500000000 Habitação
06S 792,89700000000 Habitação
06S 2375,92000000000 Pastagem
06S 1229,94000000000 Ficus carica L.. Zona de cultivo (hórticolas)
06S 183,66600000000 Habitação
06S 6817,18000000000 Pittosporum undulatum Vent.
06S 5827,43000000000 Myrica faia Ait. Zona de cultivo (hórticolas)
06S 269,75700000000 Vinha (Vitis Sp. L.) Zona de cultivo (hórticolas)
06S 1335,48000000000 Pastagem
06S 4114,63000000000 Pastagem
06S 186,78400000000 Habitação
06S 1772,86000000000 Estrada (via de circulação automóvel)
06S 1097,81000000000 Musa Spp. Myrica faia Ait.
07N 1466,74000000000 Estrada (via de circulação automóvel)
07N 2071,92000000000 Zona de cultivo (hórticolas)
07N 203,90400000000 Habitação
07N 251,18000000000 Habitação
07N 137,25200000000 Habitação
07N 234,91800000000 Habitação
07N 62,35860000000 Habitação
07N 2014,36000000000 Ficus carica L.., Eriobotrya japonica
(Thumb.) Lindl. Zona de cultivo (hórticolas)
07N 894,71300000000 Zona de cultivo (hórticolas)
07N 36,88160000000 Habitação
07N 803,64500000000 Pastagem
07N 100,68200000000 Habitação
07N 3748,19000000000 Pastagem
07N 3590,53000000000 Zona de cultivo (hórticolas)
07N 6203,18000000000 Pastagem
07N 15949,40000000000 Pittosporum undulatum Vent.
07N 399,35800000000 Estrada (via de circulação automóvel)
07N 2632,05000000000 Zona de cultivo (hórticolas)
07N 1877,03000000000 Pittosporum undulatum Vent.
07N 861,75300000000 Pastagem
07N 2322,03000000000 Pastagem
07S 160,72600000000 Habitação
07S 3334,40000000000 Estrada (via de circulação automóvel)
07S 207,66300000000 Habitação
07S 279,80900000000 Pastagem
07S 865,98500000000 Ficus carica L.. Pastagem
07S 149,56300000000 Exóticas
07S 501,43400000000 Exóticas
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
62
(Continuação Quadro 3 - Áreas envolventes ao pomar e tipo de habitats).
07S 1137,94000000000 Habitação
07S 247,00700000000 Vinha (Vitis Sp. L.)
07S 1819,08000000000 Psidium grandifolium, Ficus carica L..; Anona
cherimolia Mill. cherimolia Mill. Zona de cultivo (hórticolas)
07S 46,39820000000 Habitação
07S 561,55700000000 Ficus carica L.., Eriobotrya japonica
(Thumb.) Lindl., Psidium grandifolium Zona de cultivo (hórticolas)
07S 980,22400000000 Habitação
07S 79,58080000000 Habitação
07S 522,29400000000 Habitação
07S 344,83700000000 Exóticas
07S 4064,77000000000 Pittosporum undulatum Vent.
07S 415,61600000000 Pastagem
07S 143,35800000000 Anona cherimolia Mill., Ficus carica L.. Pittosporum undulatum Vent.
07S 219,02000000000 Habitação
07S 288,60100000000 Pittosporum undulatum Vent.
07S 2973,89000000000 Anona cherimolia Mill., Ficus carica L.. Pastagem
07S 4722,86000000000 Pastagem
07S 2111,68000000000 Habitação
07S 7107,97000000000 Pittosporum undulatum Vent.
07S 1592,01000000000 Ficus carica L.. Zona de cultivo (hórticolas)
07S 1132,77000000000 Zona de cultivo (hórticolas)
07S 1234,09000000000 Habitação
07S 253,88200000000 Estrada (via de circulação automóvel)
07S 113,42800000000 Pastagem
07S 1175,77000000000 Pittosporum undulatum Vent.
08N 123,23300000000 Habitação
08N 92,39570000000 Habitação
08N 129,62800000000 Habitação
08N 129,07300000000 Habitação
08N 233,74200000000 Habitação
08N 64,77000000000 Habitação
08N 190,16500000000 Habitação
08N 150,27600000000 Habitação
08N 431,58800000000 Habitação
08N 219,17800000000 Habitação
08N 138,88400000000 Habitação
08N 204,23400000000 Habitação
08N 112,51700000000 Habitação
08N 147,00600000000 Habitação
08N 169,20700000000 Habitação
08N 203,85400000000 Habitação
08N 276,67300000000 Habitação
08N 110,54000000000 Habitação
08N 231,30800000000 Habitação
08N 532,16500000000 Habitação
08N 71,39720000000 Habitação
08N 169,61900000000 Habitação
08N 93,23570000000 Habitação
08N 85,79470000000 Habitação
08N 95,34710000000 Habitação
08N 2440,73000000000 Zona de cultivo (hórticolas)
08N 1104,11000000000 Pittosporum undulatum Vent.
08N 329,68700000000 Pittosporum undulatum Vent.
08N 287,46400000000 Pittosporum undulatum Vent.
08N 1401,30000000000 Cryptomeria japonica (L.f.) D. Don
08N 1049,69000000000 Zona de cultivo (hórticolas)
08N 1544,17000000000 Pastagem
08N 1904,10000000000 Pastagem
08N 1087,82000000000 Pastagem
08N 5568,87000000000 Pastagem
08N 3081,92000000000 Pastagem
08N 103,00000000000 Zona de cultivo (hórticolas)
08N 5299,30000000000 Estrada (via de circulação automóvel)
08N 1760,76000000000 Zona de cultivo (hórticolas)
08N 350,58800000000 Zona de cultivo (hórticolas)
08N 179,80400000000 Zona de cultivo (hórticolas)
08N 165,81500000000 Zona de cultivo (hórticolas)
08N 2190,17000000000 Pastagem
08N 1609,03000000000 Zona de cultivo (hórticolas)
08N 139,79400000000 Habitação
08N 566,14200000000 Zona de cultivo (hórticolas)
08N 2460,71000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.
08S 64,52270000000 Ficus carica L..
08S 1883,37000000000 Estrada (via de circulação automóvel)
08S 248,75600000000 Habitação
08S 1329,87000000000 Habitação
08S 478,63900000000 Habitação
08S 5707,43000000000 mata Pittosporum undulatum Vent. e acacia
melanoxylon
08S 3731,42000000000 Pastagem
08S 588,96100000000 Pittosporum undulatum Vent.
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
63
(Continuação Quadro 3 - Áreas envolventes ao pomar e tipo de habitats).
08S 454,48300000000 Pastagem
08S 279,26700000000 Estrada (via de circulação automóvel)
08S 541,25900000000 Habitação
08S 3876,75000000000 Pastagem
08S 321,41400000000 Zona de cultivo (hórticolas)
08S 979,16500000000 Myrica faia Ait.
08S 5750,16000000000 Pastagem
08S 3407,21000000000 Zona de cultivo (hórticolas)
08S 904,00600000000 Pastagem
08S 193,52900000000 Habitação
08S 570,54100000000 Zona de cultivo (hórticolas)
09N 3319,01000000000 Estrada (via de circulação automóvel)
09N 50,48220000000 Habitação
09N 181,65800000000 Habitação
09N 106,88500000000 Habitação
09N 120,33700000000 Habitação
09N 83,91630000000 Habitação
09N 75,75370000000 Habitação
09N 114,96400000000 Habitação
09N 183,78500000000 Habitação
09N 141,59700000000 Habitação
09N 229,00600000000 Habitação
09N 50,87220000000 Habitação
09N 122,79600000000 Habitação
09N 65,70390000000 Habitação
09N 175,65800000000 Habitação
09N 94,46380000000 Habitação
09N 112,66900000000 Habitação
09N 480,15600000000 Habitação
09N 113,14500000000 Habitação
09N 297,65200000000 Habitação
09N 171,52700000000 Habitação
09N 2467,94000000000 Pastagem
09N 1911,27000000000 Pastagem
09N 962,58800000000 Pastagem
09N 1850,80000000000 Pastagem
09N 6136,86000000000 Pittosporum undulatum Vent.
09N 2310,82000000000 Pittosporum undulatum Vent.
09N 907,69700000000 Pastagem
09N 859,88100000000 Pastagem
09N 307,54400000000 Pastagem
09N 2335,23000000000 Zona de cultivo (hórticolas)
09N 35,83150000000 Zona de cultivo (hórticolas)
09N 4723,51000000000 Zona de cultivo (hórticolas)
09N 2645,93000000000 Pastagem
09N 489,73100000000 Pittosporum undulatum Vent.
09N 888,05000000000 Pastagem
09N 952,12300000000 Zona de cultivo (hórticolas)
09N 512,80500000000 Pastagem
09N 609,21100000000 Pastagem
09N 329,95300000000 Zona de cultivo (hórticolas)
09N 148,10600000000 Castanea sativa Mill.; Ficus carica L.. Zona de cultivo (hórticolas)
09N 33,79540000000 Habitação
09S 30,31540000000 Ficus carica L..
09S 12730,40000000000 Mata pittospotum, Erica azorica Hoschst. e Exóticas
09S 2433,86000000000 Estrada (via de circulação automóvel)
09S 16186,40000000000 Mata Erica azorica Hoschst. e Exóticas
10N 1402,03000000000 Estrada (via de circulação automóvel)
10N 481,18700000000 Estrada (via de circulação automóvel)
10N 1273,28000000000 Estrada (via de circulação automóvel)
10N 2936,16000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.
10N 7332,88000000000 Psidium grandifolium, Ficus carica L.. Mata Pittosporum undulatum Vent. e Myrica faia Ait.
10N 3301,93000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.
10N 14879,90000000000 Vinha (Vitis Sp. L.), Anona cherimolia Mill.,
Ficus carica L.., Psidium grandifolium Mata Pittosporum undulatum Vent. e Myrica faia Ait.
10S 507,78400000000 Habitação
10S 231,02400000000 Habitação
10S 243,57700000000 Habitação
10S 3267,30000000000 Pittosporum undulatum Vent.
10S 1093,12000000000 Pittosporum undulatum Vent.
10S 2172,32000000000 Pastagem
10S 664,54000000000 Pastagem
10S 391,96800000000 citrinos
10S 1846,50000000000 Zona de cultivo (hórticolas)
10S 14193,10000000000 Zona de cultivo (hórticolas)
10S 295,07300000000 Pastagem
10S 1682,60000000000 Pastagem
10S 925,02700000000 Pittosporum undulatum Vent.
10S 454,96600000000 Habitação
10S 2040,69000000000 Pastagem
10S 77,07610000000 Habitação
10S 1276,94000000000 Estrada (via de circulação automóvel)
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
64
(Continuação Quadro 3 - Áreas envolventes ao pomar e tipo de habitats).
11N 2706,82000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.
11N 7505,88000000000 Vinha (Vitis Sp. L.) Zona de cultivo (hórticolas)
11N 8732,88000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.
11N 2422,85000000000 Zona de cultivo (hórticolas)
11N 2379,73000000000 Pastagem
11N 332,63600000000 Habitação
11N 1259,37000000000 Habitação
11N 407,20400000000 Habitação
11N 3069,08000000000 Estrada (via de circulação automóvel)
11N 174,45100000000 Habitação
11N 3054,11000000000 Estrada (via de circulação automóvel)
11N 1930,60000000000 Vinha (Vitis Sp. L.) Zona de cultivo (hórticolas)
11N 4941,07000000000 Ficus carica L.. Zona de cultivo (hórticolas)
11N 342,00200000000 Habitação
11N 195,31600000000 Habitação
11N 114,03500000000 Habitação
11N 218,74100000000 Habitação
11N 551,30300000000 Habitação
11N 1299,48000000000 Vinha (Vitis Sp. L.), Ficus carica L.. Zona de cultivo (hórticolas)
11N 1234,52000000000 Ficus carica L.. Zona de cultivo (hórticolas)
11S 349,05700000000 Estrada (via de circulação automóvel)
11S 530,85400000000 Habitação
11S 816,29400000000 Habitação
11S 86,72530000000 Habitação
11S 89,10170000000 Habitação
11S 97,55920000000 Habitação
11S 208,75500000000 Habitação
11S 902,09200000000 Myrica faia Ait.
11S 1481,86000000000 Zona de cultivo (hórticolas)
11S 445,50700000000 Estrada (via de circulação automóvel)
11S 424,65500000000 Habitação
11S 331,94900000000 Ficus carica L.. Zona de cultivo (hórticolas)
11S 162,87700000000 Habitação
11S 619,39500000000 Vinha (Vitis Sp. L.)
11S 836,97300000000 Zona de cultivo (hórticolas)
11S 29400,20000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.
11S 1126,55000000000 Estrada (via de circulação automóvel)
11S 1234,68000000000 Ficus carica L.., Eriobotrya japonica
(Thumb.) Lindl. Zona de cultivo (hórticolas)
11S 1718,19000000000 Vinha (Vitis Sp. L.) Zona de cultivo (hórticolas)
11S 928,27000000000 Myrica faia Ait.
11S 659,62100000000 Zona de cultivo (hórticolas)
11S 4990,98000000000 solanum Mata Pittosporum undulatum Vent. e Myrica faia Ait.
11S 144,69700000000 solanum Zona de cultivo (hórticolas)
11S 55,38480000000 Zona de cultivo (hórticolas)
11S 79,64030000000 Exóticas
11S 52,69460000000 Vinha (Vitis Sp. L.)
11S 251,46300000000 Pastagem
11S 26793,70000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.
11S 233,67400000000 Habitação
11S 3512,19000000000 Zona costeira
12N 129,42200000000 Habitação
12N 112,02500000000 Habitação
12N 85,52610000000 Habitação
12N 83,60900000000 Habitação
12N 227,98300000000 Habitação
12N 405,15400000000 Habitação
12N 109,73300000000 Habitação
12N 112,04200000000 Habitação
12N 66,18230000000 Habitação
12N 92,28310000000 Habitação
12N 348,09400000000 Habitação
12N 103,98100000000 Habitação
12N 514,86500000000 zona costeira
12N 1386,34000000000 zona costeira
12N 97,59920000000 Habitação
12N 2840,63000000000 Estrada (via de circulação automóvel)
12N 1473,61000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.
12N 8967,92000000000 Vinha (Vitis Sp. L.) Mata Pittosporum undulatum Vent. e Myrica faia Ait.
12N 523,86800000000 Zona de cultivo (hórticolas)
12N 1014,95000000000 Vinha (Vitis Sp. L.) Zona de cultivo (hórticolas)
12N 739,92600000000 Vinha (Vitis Sp. L.)
12N 2963,57000000000 Vinha (Vitis Sp. L.) Zona de cultivo (hórticolas)
12N 3452,99000000000 Vinha (Vitis Sp. L.) zona de cultivo
12N 605,87500000000 Myrica faia Ait.
12N 1804,99000000000 Pastagem
12N 586,08900000000 Zona de cultivo (hórticolas)
12N 721,92700000000 Myrica faia Ait.
12N 2368,69000000000 Vinha (Vitis Sp. L.)
12N 5513,67000000000 Vinha (Vitis Sp. L.), Ficus carica L..,
Eriobotrya japonica (Thumb.) Lindl. Zona de cultivo (hórticolas)
12S 6457,96000000000 Pastagem
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
65
(Continuação Quadro 3 - Áreas envolventes ao pomar e tipo de habitats).
12S 23116,20000000000 mata Myrica faia Ait. e Exóticas
12S 119,86300000000 Habitação
12S 301,86500000000 Pastagem
12S 280,52300000000 Pastagem
12S 259,92800000000 Pastagem
12S 226,74600000000 Pastagem
12S 390,71400000000 Erica azorica Hoschst.
12S 4660,48000000000 Zona de cultivo (hórticolas)
12S 969,15900000000 Zona de cultivo (hórticolas)
12S 243,76400000000 Pastagem
12S 1609,05000000000 Myrica faia Ait.
12S 218,26700000000 Pastagem
12S 1644,26000000000 Myrica faia Ait.
12S 664,23800000000 Anona cherimolia Mill.s, Psidium
grandifolium Exóticas
12S 3348,21000000000 Eriobotrya japonica (Thumb.) Lindl. Pastagem
12S 433,03300000000 Vinha (Vitis Sp. L.)
12S 365,98100000000 Ficus carica L.., Eriobotrya japonica
(Thumb.) Lindl. Pastagem
12S 2270,40000000000 Zona de cultivo (hórticolas)
12S 233,61200000000 Pastagem
12S 6798,19000000000 Pastagem
12S 21211,20000000000 Myrica faia Ait., Pittosporum undulatum Vent., Erica
azorica Hoschst., Exóticas
13N 1075,65000000000 Ficus carica L.. Zona de cultivo (hórticolas)
13N 852,39400000000 Estrada (via de circulação automóvel)
13N 5967,11000000000 Estrada (via de circulação automóvel)
13N 1173,26000000000 Pastagem
13N 2709,93000000000 Pastagem
13N 1879,54000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.
13N 1451,56000000000 Vinha (Vitis Sp. L.), Ficus carica L.. Zona de cultivo (hórticolas)
13N 1638,64000000000 Vinha (Vitis Sp. L.), Ficus carica L.. Habitação
13N 425,17300000000 Zona de cultivo (hórticolas)
13N 602,24100000000 Habitação
13N 4164,48000000000 Vinha (Vitis Sp. L.) (Vitis Sp. L.) Ficus carica
L.. Zona de cultivo (hórticolas)
13N 147,68700000000 Habitação
13N 368,93500000000 Habitação
13N 259,82700000000 Habitação
13N 130,21400000000 Habitação
13N 567,59400000000 Habitação
13N 405,62500000000 Habitação
13N 370,38400000000 Habitação
13N 99,24990000000 Habitação
13N 431,58800000000 Habitação
13N 227,45600000000 Habitação
13N 261,24000000000 Vinha (Vitis Sp. L.), Ficus carica L.. Habitação
13N 4115,23000000000 Vinha (Vitis Sp. L.), Ficus carica L.. Zona de cultivo (hórticolas)
13N 2149,12000000000 Zona de cultivo (hórticolas)
13N 3518,97000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.
13N 1645,12000000000 Pastagem
13N 1140,34000000000 Ficus carica L.. Zona de cultivo (hórticolas)
13N 1032,89000000000 Pastagem
13N 1288,39000000000 Pastagem
13N 1450,69000000000 Vinha (Vitis Sp. L.) Zona de cultivo (hórticolas)
13N 277,44000000000 Zona de cultivo (hórticolas)
13S 382,51800000000 Vinha (Vitis Sp. L.)
13S 6530,10000000000 Myrica faia Ait.
13S 834,74500000000 Castanea sativa Mill.
13S 2182,93000000000 Pastagem
13S 716,82800000000 Habitação
13S 272,54500000000 Habitação
13S 349,87800000000 Habitação
13S 88,25400000000 Habitação
13S 329,92200000000 Estrada (via de circulação automóvel)
13S 1961,96000000000 Pastagem
13S 256,34800000000 Pastagem
13S 2763,15000000000 Exóticas
13S 5096,70000000000 Pastagem, Zona de cultivo (hórticolas), Ficus carica
L.., Eriobotrya japonica (Thumb.) Lindl.
13S 845,14600000000 Pastagem, Myrica faia Ait.
13S 242,21900000000 Zona de cultivo (hórticolas)
13S 4886,78000000000 Pastagem
13S 1586,28000000000 Myrica faia Ait.
13S 911,80600000000 Habitação
13S 741,86600000000 Zona de cultivo (hórticolas)
13S 5536,90000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.
13S 1531,87000000000 Zona de cultivo (hórticolas)
13S 1069,67000000000 citrinos, Psidium grandifolium, Eriobotrya japonica
(Thumb.) Lindl., Ficus carica L.., Exóticas
13S 2376,64000000000 Zona de cultivo (hórticolas), Exóticas, Myrica faia
Ait., Pittosporum undulatum Vent.
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
66
(Continuação Quadro 3 - Áreas envolventes ao pomar e tipo de habitats).
13S 555,63100000000 Zona de cultivo (hórticolas)
13S 1473,16000000000 Estrada (via de circulação automóvel)
13S 498,77100000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.
13S 861,64400000000 Pastagem
13S 1770,44000000000 Eriobotrya japonica (Thumb.) Lindl. Myrica faia Ait., Erica azorica Hoschst.
14S 347,89900000000 Vinha (Vitis Sp. L.)
14S 59,18350000000 Eriobotrya japonica (Thumb.) Lindl.s
14S 11633,40000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.
14S 645,32800000000 Habitação
14S 367,67100000000 Zona de cultivo (hórticolas)
14S 397,20300000000 Habitação
14S 174,98000000000 Habitação
14S 353,75400000000 Estrada (via de circulação automóvel)
14S 290,30900000000 Myrica faia Ait.
14S 1509,62000000000 Habitação
14S 2449,50000000000 Zona de cultivo (hórticolas)
14S 2895,66000000000 Pastagem
14S 1067,73000000000 Zona de cultivo (hórticolas)
14S 692,04100000000 Pastagem
14S 3806,87000000000 Habitação, Exóticas, Myrica faia Ait.
14S 143,54100000000 Musa Spp.
14S 303,04500000000 Estrada (via de circulação automóvel)
14S 186,90900000000 Myrica faia Ait.
14S 3806,50000000000 Zona de cultivo (hórticolas)
14S 7104,51000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.
14S 3205,46000000000 Zona de cultivo (hórticolas)
14S 1810,89000000000 Habitação, zona de jardim, Zona de cultivo
(hórticolas)
14S 2376,87000000000 Estrada (via de circulação automóvel)
15S 18958,30000000000 Myrica faia Ait.
15S 1504,55000000000 Estrada (via de circulação automóvel)
15S 225,90100000000 Estrada (via de circulação automóvel)
15S 453,99700000000 Pastagem
15S 1165,19000000000 Pastagem
15S 4745,18000000000 Myrica faia Ait.
15S 1569,55000000000 Anona cherimolia Mill. cherimolia Mill., Vinha (Vitis
Sp. L.), Myrica faia Ait., Eucalyptus globulus
15S 461,10300000000 eucalyptus globulus
15S 2990,17000000000 Pastagem
15S 280,31900000000 Myrica faia Ait.
15S 208,69400000000 Myrica faia Ait.
15S 211,95600000000 Zona de cultivo (hórticolas)
15S 2222,41000000000 Pastagem
15S 425,26200000000 Pastagem
15S 383,12500000000 Pastagem
15S 5512,17000000000 Pastagem, eucalyptus, Myrica faia Ait.
15S 405,36500000000 Myrica faia Ait.
15S 957,32300000000 Myrica faia Ait.
16S 139,32300000000 Vinha (Vitis Sp. L.)
16S 772,49100000000 Myrica faia Ait.
16S 38,22230000000 Myrica faia Ait.
16S 153,54800000000 Musa Spp.
16S 171,76800000000 Musa Spp.
16S 1652,08000000000 Zona de cultivo (hórticolas)
16S 1109,72000000000 Zona de cultivo (hórticolas)
16S 79,79870000000 Habitação
16S 201,91600000000 Exóticas
16S 6620,64000000000 Pastagem
16S 10294,40000000000 Pastagem
16S 708,02800000000 Habitação
16S 650,91600000000 Habitação, Exóticas
16S 13785,50000000000 Pastagem
16S 210,13300000000 Habitação
16S 296,96300000000 Ficus carica L..; Anona cherimolia Mill. cherimolia
Mill.
16S 298,51500000000 Camellia L.
16S 185,86800000000 Camellia L.
16S 479,05600000000 Habitação
16S 410,79100000000 Zona de animais
16S 119,68000000000 Zona de cultivo (hórticolas)
16S 506,26100000000 Zona de animais, Exóticas
16S 825,06200000000 Estrada (via de circulação automóvel)
16S 1400,59000000000 Zona de cultivo (hórticolas)
16S 7208,00000000000 Pastagem
16S 979,73200000000 Cryptomeria japonica (L.f.) D. Don
17S 408,64000000000 Habitação
17S 236,28300000000 Habitação
17S 187,15800000000 Habitação
17S 528,55200000000 Habitação
17S 125,64700000000 Habitação
17S 398,03800000000 Zona de cultivo (hórticolas)
17S 1232,58000000000 Pastagem
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
67
(Continuação Quadro 3 - Áreas envolventes ao pomar e tipo de habitats).
17S 12767,20000000000 Pastagem
17S 934,01500000000 Myrica faia Ait.
17S 150,35200000000 Zona de cultivo (hórticolas)
17S 381,91500000000 Zona de cultivo (hórticolas)
17S 422,20300000000 Habitação
17S 1398,99000000000 Habitação
17S 3775,59000000000 Estrada (via de circulação automóvel)
17S 595,91300000000 Habitação
17S 25008,60000000000 Pastagem
17S 555,80500000000 Habitação
17S 144,11800000000 Bankcia ssp
17S 326,80000000000 Myrica faia Ait.
17S 1038,03000000000 Pastagem
17S 290,90500000000 Habitação, zona cultivo
18S 1115,91000000000 Pastagem
18S 2229,16000000000 Estrada (via de circulação automóvel)
18S 3533,82000000000 Pastagem
18S 7737,43000000000 Pastagem
18S 431,94300000000 Cryptomeria japonica (L.f.) D. Don
18S 321,33600000000 Cryptomeria japonica (L.f.) D. Don
18S 17102,40000000000 Pastagem
18S 166,83100000000 Cryptomeria japonica (L.f.) D. Don
18S 816,71900000000 Cryptomeria japonica (L.f.) D. Don
18S 313,23600000000 Pittosporum undulatum Vent.
18S 9363,01000000000 Pastagem
18S 13739,20000000000 Pastagem
19S 936,47500000000 Habitação
19S 1004,69000000000 Vinha (Vitis Sp. L.)
19S 2949,79000000000 Zona de cultivo (hórticolas)
19S 379,02500000000 Cryptomeria japonica (L.f.) D. Don
19S 3875,50000000000 Estrada (via de circulação automóvel)
19S 1313,22000000000 Estrada (via de circulação automóvel)
19S 8500,85000000000 Pastagem
19S 4313,15000000000 Pastagem
19S 992,81300000000 Exóticas
19S 348,45300000000 Myrica faia Ait.
19S 157,96900000000 Cryptomeria japonica (L.f.) D. Don
19S 136,48900000000 Myrica faia Ait.
19S 6614,24000000000 Pastagem
19S 1687,29000000000 Pastagem
19S 228,42700000000 Exóticas
19S 124,89400000000 bankcia ssp
19S 256,39100000000 Exóticas
19S 150,31700000000 Cryptomeria japonica (L.f.) D. Don
19S 1916,44000000000 Zona de cultivo (hórticolas)
19S 412,08200000000 Myrica faia Ait.
19S 1203,48000000000 Estrada (via de circulação automóvel)
19S 274,62400000000 Myrica faia Ait.
19S 651,15600000000 Myrica faia Ait.
19S 4252,74000000000 Pastagem
19S 159,66000000000 Pastagem
19S 401,49200000000 Zona de cultivo (hórticolas)
19S 459,30600000000 Myrica faia Ait.
19S 102,58900000000 Pastagem
19S 31,72380000000 Myrica faia Ait.
19S 40,07040000000 Habitação
No Quadro 3, é possível ver a área analisada por pomar e a diversidade de
habitats encontrada na sua envolvência.
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
68
Utilizando os dados do Quadro 3, aos quais foi aplicado o software Species
Diversity and Richness Version 4.0, conforme referido no Cap.3 (material e métodos)
obteve-se o Quadro 4 com os valores de cada um dos índices selecionados para
observação. Estes resultados do Quadro 4 foram submetidos a posterior análise
estatística para determinação da correlação entre as diversas variáveis em análise.
Quadro 4 – Cálculo de índices de Habitats.
Sample H Berger_Parker Simpson Simpson_E
10N 0.3248 0.9001 1.219 0.6096
10S 1.307 0.5114 2.925 0.4875
11N 1.358 0.451 3.278 0.6556
11S 0.8978 0.7788 1.619 0.1799
12N 1.906 0.2831 5.322 0.5913
12S 1.543 0.3049 4.08 0.4534
13N 1.508 0.3885 4.053 0.8107
13S 2.311 0.2175 8.106 0.579
14S 1.703 0.4107 4.023 0.3658
15S 1.206 0.5988 2.437 0.3481
16S 1.026 0.769 1.663 0.1188
17S 0.8059 0.7867 1.58 0.2257
18S 0.3345 0.9248 1.166 0.2915
19S 1.372 0.5842 2.617 0.2908
1N 0.7577 0.7357 1.733 0.5777
1S 0.8781 0.7546 1.696 0.2826
2N 1.302 0.3084 3.516 0.879
2S 1.657 0.3985 4.13 0.5163
3N 1.342 0.2944 3.716 0.9289
3S 1.449 0.367 3.534 0.5048
4N 1.479 0.3432 4.061 0.8122
4S 1.848 0.2604 5.403 0.6003
5N 1.026 0.7161 1.881 0.3134
5S 1.835 0.3301 5.227 0.6534
6N 1.215 0.4417 2.933 0.5867
6S 1.378 0.4492 3.263 0.5438
7N 1.289 0.3887 3.276 0.6551
7S 1.626 0.3295 4.478 0.6397
8N 1.648 0.394 4.187 0.5982
8S 1.522 0.471 3.47 0.4956
9N 1.461 0.3692 3.881 0.7762
9S 0 0.5163 2.286 0.762
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
69
Os dois modelos mínimos de regressão obtidos, atendendo aos dados utilizados,
foram os seguintes:
- Modelo 9 (AF) de mosca-do-Mediterrâneo (C. capitata) para a abundância das
fêmeas adultas (Fig. 24 e Quadro 6)
LogAF = 528,6 + 0,000 * Lat - 0,184 * Hrmax (r2 = 0.73; p < 0.0001)
Em que Lat = latitude e Hrmax = Humidade relativa máxima.
y = -0,1613x + 16,126R² = 0,6767
0
0,5
1
1,5
2
2,5
85 90 95 100
Série1
Linear (Série1)
HRmax
Figura 24 – Correlação entre a Abundância das fêmeas da C. Capitata e HRmax
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
70
- Modelo 10 (AM) de mosca-do-Mediterrâneo (Ceratitis capitata Wiedemann)
para a abundância dos machos adultos (Fig. 25 e Quadro 7):
LogAM = 9,59 – 0,097 * HRmax (r2 = 0.63; p < 0.0001)
Em que Hrmax = Humidade relativa máxima.
Figura 25 – Correlação entre a Abundância dos machos da C. Capitata e HRmax
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________71
Tabela 5 - Relação estatística entre variáveis
LATITUDE LONGITUDE ALTITUDE
ORIENTACA
O Inclinacao Area H Berger_par Simpson Simpson_E HRMIN_1 HRMAX TMIN TMAX log_prec media_larv Femeas Machos LogMachos LogFemeas Logarea LogLarva
Pearson Correlation 1 -,180 ,308 -,085 ,145 -,005 -,160 ,251 -,199 -,133 -,371*
-,436* ,294 ,319 -,091 -,285 ,315 ,273 ,192 ,147 ,160 -,322
Sig. (2-tailed) ,324 ,086 ,644 ,427 ,979 ,381 ,166 ,275 ,467 ,037 ,013 ,103 ,075 ,621 ,114 ,079 ,130 ,293 ,422 ,383 ,073
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,180 1 ,477**
-,764** ,261 ,304 ,055 -,253 ,074 ,667
**,791
**,770
**-,778
**-,766
**,395
* ,000 -,649**
-,620**
-,632**
-,720** ,121 -,056
Sig. (2-tailed) ,324 ,006 ,000 ,149 ,091 ,764 ,162 ,686 ,000 ,000 ,000 ,000 ,000 ,025 ,999 ,000 ,000 ,000 ,000 ,511 ,759
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,308 ,477** 1 -,602
** ,116 ,289 -,325 ,261 -,380* ,123 ,608
**,521
**-,668
**-,654
**,623
**-,629
** -,183 -,259 -,414*
-,508** ,312 -,668
**
Sig. (2-tailed) ,086 ,006 ,000 ,527 ,108 ,070 ,149 ,032 ,501 ,000 ,002 ,000 ,000 ,000 ,000 ,315 ,152 ,018 ,003 ,082 ,000
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,085 -,764**
-,602** 1 -,111 -,292 -,005 ,157 -,081 -,536
**-,611
**-,533
**,629
**,610
**-,418
* ,341 ,393*
,369*
,417*
,552** -,185 ,341
Sig. (2-tailed) ,644 ,000 ,000 ,546 ,105 ,980 ,391 ,661 ,002 ,000 ,002 ,000 ,000 ,017 ,056 ,026 ,038 ,018 ,001 ,312 ,056
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,145 ,261 ,116 -,111 1 -,163 -,351* ,283 -,236 ,100 ,162 ,162 -,148 -,142 ,054 ,036 -,024 -,159 -,184 -,150 -,310 -,094
Sig. (2-tailed) ,427 ,149 ,527 ,546 ,372 ,049 ,117 ,193 ,587 ,377 ,376 ,420 ,437 ,769 ,846 ,898 ,385 ,314 ,413 ,085 ,609
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,005 ,304 ,289 -,292 -,163 1 -,054 -,137 -,040 ,321 ,238 ,198 -,258 -,253 -,146 -,118 -,183 -,218 -,281 -,268 ,715** -,065
Sig. (2-tailed) ,979 ,091 ,108 ,105 ,372 ,769 ,455 ,829 ,073 ,190 ,278 ,154 ,162 ,427 ,521 ,315 ,231 ,120 ,139 ,000 ,723
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,160 ,055 -,325 -,005 -,351* -,054 1 -,798
**,876
** ,229 -,089 -,044 ,096 ,097 -,198 ,390* -,063 ,010 ,041 -,014 -,070 ,519
**
Sig. (2-tailed) ,381 ,764 ,070 ,980 ,049 ,769 ,000 ,000 ,208 ,629 ,813 ,602 ,597 ,277 ,027 ,732 ,956 ,824 ,940 ,703 ,002
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,251 -,253 ,261 ,157 ,283 -,137 -,798** 1 -,874
**-,653
** -,083 -,140 ,070 ,069 ,068 -,301 ,188 ,108 ,043 ,099 ,083 -,417*
Sig. (2-tailed) ,166 ,162 ,149 ,391 ,117 ,455 ,000 ,000 ,000 ,650 ,444 ,703 ,708 ,712 ,094 ,303 ,556 ,817 ,590 ,652 ,018
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,199 ,074 -,380* -,081 -,236 -,040 ,876
**-,874
** 1 ,462** -,071 -,006 ,085 ,085 -,163 ,368
* -,166 -,073 -,023 -,086 -,169 ,507**
Sig. (2-tailed) ,275 ,686 ,032 ,661 ,193 ,829 ,000 ,000 ,008 ,698 ,975 ,644 ,642 ,374 ,038 ,363 ,690 ,900 ,639 ,355 ,003
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,133 ,667** ,123 -,536
** ,100 ,321 ,229 -,653**
,462** 1 ,426
*,456
**-,417
*-,410
* ,091 ,012 -,407* -,347 -,348 -,419
* -,044 ,036
Sig. (2-tailed) ,467 ,000 ,501 ,002 ,587 ,073 ,208 ,000 ,008 ,015 ,009 ,018 ,020 ,621 ,948 ,021 ,052 ,051 ,017 ,809 ,843
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,371*
,791**
,608**
-,611** ,162 ,238 -,089 -,083 -,071 ,426
* 1 ,983**
-,994**
-,995**
,726** -,184 -,695
**-,713
**-,767
**-,814
** ,184 -,183
Sig. (2-tailed) ,037 ,000 ,000 ,000 ,377 ,190 ,629 ,650 ,698 ,015 ,000 ,000 ,000 ,000 ,313 ,000 ,000 ,000 ,000 ,314 ,315
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,436*
,770**
,521**
-,533** ,162 ,198 -,044 -,140 -,006 ,456
**,983
** 1 -,973**
-,978**
,699** -,113 -,754
**-,754
**-,792
**-,823
** ,119 -,111
Sig. (2-tailed) ,013 ,000 ,002 ,002 ,376 ,278 ,813 ,444 ,975 ,009 ,000 ,000 ,000 ,000 ,537 ,000 ,000 ,000 ,000 ,517 ,544
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
SIMPSON_E
HRMIN_1
HRMAX
ORIENTACAO
INCLINACAO
AREA
H
BERGER_PAR
KER
SIMPSON
Correlações
LATITUDE
LONGITUDE
ALTITUDE
*. Correlação é significativa no nível de 0,05
**. Correlação é significativa no nível de 0,01
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________72
LATITUDE LONGITUDE ALTITUDE
ORIENTACA
O Inclinacao Area H Berger_par Simpson Simpson_E HRMIN_1 HRMAX TMIN TMAX log_prec media_larv Femeas Machos LogMachos LogFemeas Logarea LogLarva
Pearson Correlation ,294 -,778**
-,668**
,629** -,148 -,258 ,096 ,070 ,085 -,417
*-,994
**-,973
** 1 ,999**
-,751** ,236 ,684
**,706
**,779
**,831
** -,217 ,242
Sig. (2-tailed) ,103 ,000 ,000 ,000 ,420 ,154 ,602 ,703 ,644 ,018 ,000 ,000 ,000 ,000 ,193 ,000 ,000 ,000 ,000 ,233 ,182
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,319 -,766**
-,654**
,610** -,142 -,253 ,097 ,069 ,085 -,410
*-,995
**-,978
**,999
** 1 -,748** ,231 ,686
**,709
**,780
**,827
** -,208 ,234
Sig. (2-tailed) ,075 ,000 ,000 ,000 ,437 ,162 ,597 ,708 ,642 ,020 ,000 ,000 ,000 ,000 ,204 ,000 ,000 ,000 ,000 ,253 ,197
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,091 ,395*
,623**
-,418* ,054 -,146 -,198 ,068 -,163 ,091 ,726
**,699
**-,751
**-,748
** 1 -,310 -,452**
-,448*
-,485**
-,570** -,014 -,342
Sig. (2-tailed) ,621 ,025 ,000 ,017 ,769 ,427 ,277 ,712 ,374 ,621 ,000 ,000 ,000 ,000 ,084 ,009 ,010 ,005 ,001 ,940 ,055
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,285 ,000 -,629** ,341 ,036 -,118 ,390
* -,301 ,368* ,012 -,184 -,113 ,236 ,231 -,310 1 -,184 -,140 -,020 ,024 -,141 ,895
**
Sig. (2-tailed) ,114 ,999 ,000 ,056 ,846 ,521 ,027 ,094 ,038 ,948 ,313 ,537 ,193 ,204 ,084 ,313 ,444 ,915 ,894 ,442 ,000
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,315 -,649** -,183 ,393
* -,024 -,183 -,063 ,188 -,166 -,407*
-,695**
-,754**
,684**
,686**
-,452** -,184 1 ,905
**,847
**,851
** -,136 -,235
Sig. (2-tailed) ,079 ,000 ,315 ,026 ,898 ,315 ,732 ,303 ,363 ,021 ,000 ,000 ,000 ,000 ,009 ,313 ,000 ,000 ,000 ,458 ,195
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,273 -,620** -,259 ,369
* -,159 -,218 ,010 ,108 -,073 -,347 -,713**
-,754**
,706**
,709**
-,448* -,140 ,905
** 1 ,935**
,878** -,173 -,199
Sig. (2-tailed) ,130 ,000 ,152 ,038 ,385 ,231 ,956 ,556 ,690 ,052 ,000 ,000 ,000 ,000 ,010 ,444 ,000 ,000 ,000 ,344 ,274
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,192 -,632**
-,414*
,417* -,184 -,281 ,041 ,043 -,023 -,348 -,767
**-,792
**,779
**,780
**-,485
** -,020 ,847**
,935** 1 ,961
** -,267 -,036
Sig. (2-tailed) ,293 ,000 ,018 ,018 ,314 ,120 ,824 ,817 ,900 ,051 ,000 ,000 ,000 ,000 ,005 ,915 ,000 ,000 ,000 ,140 ,846
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,147 -,720**
-,508**
,552** -,150 -,268 -,014 ,099 -,086 -,419
*-,814
**-,823
**,831
**,827
**-,570
** ,024 ,851**
,878**
,961** 1 -,257 ,040
Sig. (2-tailed) ,422 ,000 ,003 ,001 ,413 ,139 ,940 ,590 ,639 ,017 ,000 ,000 ,000 ,000 ,001 ,894 ,000 ,000 ,000 ,156 ,828
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,160 ,121 ,312 -,185 -,310 ,715** -,070 ,083 -,169 -,044 ,184 ,119 -,217 -,208 -,014 -,141 -,136 -,173 -,267 -,257 1 -,079
Sig. (2-tailed) ,383 ,511 ,082 ,312 ,085 ,000 ,703 ,652 ,355 ,809 ,314 ,517 ,233 ,253 ,940 ,442 ,458 ,344 ,140 ,156 ,667
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,322 -,056 -,668** ,341 -,094 -,065 ,519
**-,417
*,507
** ,036 -,183 -,111 ,242 ,234 -,342 ,895** -,235 -,199 -,036 ,040 -,079 1
Sig. (2-tailed) ,073 ,759 ,000 ,056 ,609 ,723 ,002 ,018 ,003 ,843 ,315 ,544 ,182 ,197 ,055 ,000 ,195 ,274 ,846 ,828 ,667
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Continuação
LogLarva
MEDIA_larv
FÊMEAS
MACHOS
LogMachos
LogFemeas
Logarea
TMIN
TMAX
log_PRECIPITA
CAO
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
73
Quadro 6 – Coeficientes para os modelos de regressão múltipla para avaliar a abundancia das
femeas (log Femeas)
Standardized
Coefficients
B Std. Error Beta
(Constant) -56289,486 68495,960 -,822 ,420
HRMAX -,191 ,176 -,972 -1,080 ,292
TMIN ,168 ,493 ,317 ,341 ,736
prec_box_cox 142856,357 171487,208 ,182 ,833 ,414
Simpson_E ,201 ,756 ,055 ,266 ,793
Berger_par -,135 ,672 -,036 -,201 ,842
ALTITUDE ,001 ,001 ,276 1,104 ,282
ORIENTACAO ,000 ,002 ,056 ,253 ,802
Inclinacao ,005 ,008 ,089 ,678 ,505
LATITUDE ,000 ,000 -,427 -2,240 ,036
LONGITUDE -4,130E-06 ,000 -,029 -,097 ,923
(Constant) -59820,819 56792,692 -1,053 ,304
HRMAX -,195 ,165 -,997 -1,183 ,249
TMIN ,168 ,482 ,317 ,349 ,731
prec_box_cox 151698,640 142179,278 ,193 1,067 ,298
Simpson_E ,188 ,727 ,052 ,258 ,798
Berger_par -,132 ,656 -,035 -,201 ,842
ALTITUDE ,001 ,001 ,276 1,133 ,269
ORIENTACAO ,000 ,001 ,067 ,367 ,717
Inclinacao ,005 ,008 ,087 ,689 ,498
LATITUDE ,000 ,000 -,430 -2,352 ,028
(Constant) -61198,658 55189,651 -1,109 ,279
HRMAX -,197 ,162 -1,004 -1,220 ,235
TMIN ,164 ,472 ,310 ,348 ,731
prec_box_cox 155144,121 138168,409 ,198 1,123 ,273
Simpson_E ,283 ,539 ,078 ,525 ,604
ALTITUDE ,001 ,001 ,263 1,146 ,264
ORIENTACAO ,000 ,001 ,068 ,380 ,707
Inclinacao ,005 ,007 ,076 ,682 ,502
LATITUDE ,000 ,000 -,430 -2,403 ,025
(Constant) -59214,181 53880,612 -1,099 ,283
HRMAX -,250 ,052 -1,275 -4,817 ,000
prec_box_cox 150255,495 134914,277 ,191 1,114 ,276
Simpson_E ,336 ,508 ,093 ,662 ,514
ALTITUDE ,001 ,001 ,219 1,159 ,258
ORIENTACAO ,001 ,001 ,098 ,634 ,532
Inclinacao ,005 ,006 ,083 ,773 ,447
LATITUDE ,000 ,000 -,441 -2,553 ,017
(Constant) -62762,602 52945,049 -1,185 ,247
HRMAX -,254 ,051 -1,296 -4,990 ,000
prec_box_cox 159159,116 132568,656 ,203 1,201 ,241
Simpson_E ,191 ,448 ,053 ,426 ,674
ALTITUDE ,001 ,001 ,171 1,000 ,327
Inclinacao ,005 ,006 ,085 ,803 ,430
LATITUDE ,000 ,000 -,448 -2,626 ,015
(Constant) -55019,680 48938,897 -1,124 ,271
HRMAX -,242 ,041 -1,232 -5,880 ,000
prec_box_cox 139683,599 122463,131 ,178 1,141 ,264
ALTITUDE ,001 ,001 ,152 ,936 ,358
Inclinacao ,005 ,006 ,081 ,777 ,444
LATITUDE ,000 ,000 -,424 -2,673 ,013
(Constant) -50183,034 48184,497 -1,041 ,307
HRMAX -,231 ,039 -1,180 -5,992 ,000
prec_box_cox 127399,205 120545,432 ,162 1,057 ,300
ALTITUDE ,001 ,001 ,131 ,824 ,417
LATITUDE ,000 ,000 -,385 -2,577 ,016
(Constant) -57532,111 47080,896 -1,222 ,232
HRMAX -,214 ,032 -1,093 -6,610 ,000
prec_box_cox 145369,595 117877,665 ,185 1,233 ,228
LATITUDE ,000 ,000 -,304 -2,725 ,011
(Constant) 528,624 209,961 2,518 ,018
HRMAX -,184 ,021 -,936 -8,763 ,000
LATITUDE ,000 ,000 -,261 -2,441 ,021
7
8
9
a. Dependent Variable: LogFemeas
1
2
3
4
5
6
Coefficientsa
Model
Unstandardized Coefficients
t Sig.
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
74
Quadro 7 – Coeficientes para os modelos de regressão múltipla para avaliar a abundancia dos
machos (log machos).
Standardized
Coefficients
B Std. Error Beta
(Constant) 558,381 251,923 2,216 ,038
HRMAX -,130 ,117 -1,058 -1,104 ,282
TMIN ,143 ,336 ,432 ,426 ,675
log_prec 1,486 1,121 ,281 1,326 ,199
Simpson_E ,177 ,525 ,078 ,337 ,739
Berger_par -,201 ,460 -,086 -,437 ,666
ALTITUDE ,001 ,001 ,358 1,312 ,204
ORIENTACAO ,000 ,001 -,029 -,121 ,905
Inclinacao ,002 ,005 ,062 ,434 ,669
LATITUDE ,000 ,000 -,452 -2,230 ,037
LONGITUDE 3,865E-06 ,000 ,044 ,147 ,884
(Constant) 561,856 244,623 2,297 ,032
HRMAX -,136 ,101 -1,114 -1,356 ,189
TMIN ,127 ,300 ,382 ,421 ,678
log_prec 1,509 1,079 ,285 1,398 ,176
Simpson_E ,194 ,495 ,086 ,392 ,699
Berger_par -,198 ,449 -,085 -,441 ,663
ALTITUDE ,001 ,001 ,359 1,347 ,192
Inclinacao ,002 ,005 ,061 ,436 ,667
LATITUDE ,000 ,000 -,455 -2,310 ,031
LONGITUDE 5,573E-06 ,000 ,063 ,257 ,799
(Constant) 560,770 239,570 2,341 ,028
HRMAX -,138 ,098 -1,123 -1,397 ,176
TMIN ,106 ,284 ,320 ,374 ,712
log_prec 1,419 ,999 ,268 1,420 ,169
Simpson_E ,242 ,449 ,107 ,539 ,595
Berger_par -,200 ,439 -,086 -,455 ,654
ALTITUDE ,001 ,001 ,359 1,375 ,182
Inclinacao ,003 ,005 ,068 ,511 ,614
LATITUDE ,000 ,000 -,452 -2,346 ,028
(Constant) 580,826 229,261 2,533 ,018
HRMAX -,172 ,033 -1,406 -5,166 ,000
log_prec 1,374 ,974 ,260 1,410 ,171
Simpson_E ,246 ,441 ,108 ,557 ,583
Berger_par -,198 ,431 -,085 -,458 ,651
ALTITUDE ,001 ,001 ,300 1,469 ,155
Inclinacao ,003 ,005 ,076 ,580 ,567
LATITUDE ,000 ,000 -,464 -2,494 ,020
(Constant) 580,564 225,608 2,573 ,016
HRMAX -,173 ,033 -1,411 -5,275 ,000
log_prec 1,449 ,945 ,274 1,534 ,137
Simpson_E ,389 ,306 ,172 1,270 ,216
ALTITUDE ,001 ,001 ,267 1,420 ,168
Inclinacao ,002 ,004 ,049 ,429 ,672
LATITUDE ,000 ,000 -,464 -2,534 ,018
(Constant) 549,013 209,883 2,616 ,015
HRMAX -,168 ,030 -1,374 -5,520 ,000
log_prec 1,384 ,918 ,262 1,509 ,143
Simpson_E ,375 ,300 ,166 1,252 ,222
ALTITUDE ,001 ,001 ,254 1,390 ,176
LATITUDE ,000 ,000 -,439 -2,573 ,016
(Constant) 470,122 202,285 2,324 ,028
HRMAX -,146 ,025 -1,193 -5,829 ,000
log_prec ,975 ,866 ,184 1,126 ,270
ALTITUDE ,001 ,001 ,208 1,152 ,259
LATITUDE ,000 ,000 -,375 -2,281 ,031
(Constant) 458,575 202,988 2,259 ,032
HRMAX -,133 ,023 -1,090 -5,925 ,000
ALTITUDE ,001 ,001 ,266 1,531 ,137
LATITUDE ,000 ,000 -,365 -2,212 ,035
(Constant) 241,184 148,399 1,625 ,115
HRMAX -,107 ,015 -,874 -7,224 ,000
LATITUDE -5,389E-05 ,000 -,189 -1,561 ,129
(Constant) 9,590 1,287 7,455 ,000
HRMAX -,097 ,014 -,792 -7,103 ,000
7
8
9
10
a. Dependent Variable: LogMachos
1
2
3
4
5
6
Coefficientsa
Model
Unstandardized Coefficients
t Sig.
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
75
Para avaliar a percentagem de variação explicada quer pelas variáveis climáticas,
pela diversidade de habitats e geográficas na abundância populacional de C. capitata
utilizou – se a técnica de partição da variância constrangida pelo espaço (Latitude x
Longitude).
Para a realização desta análise estatística, como referido no cap. 3 (material e
métodos) utilizou-se o software SAM que permitiu uma participação da variância e
normalização dos resíduos espaciais (Latitude e Longitude) (Quadro 8 e 9).
Quadro 8 – Resultados da análise estatística de SAM, relativo à abundância de Femeas.
O quadro 8 mostra o resultado obtido para a variável fêmeas como variável
resposta e os diferentes 8 prognósticos das restantes variáveis explicativas.
Quadro 9- Resumo do modelo obtido da aplicação SAM, para as fêmeas.
32 r: 0.84 r²: 0.706 r²adj: 0.62 F: 6.898 P: <.001
No resumo do modelo obtido (Quadro 9) em relação aos oito prognósticos
diferentes, com r²= 0.706 e P: <.001, verifica-se a existência de uma significância
bastante forte, ou seja, que 70% dos dados obtidos são explicados por este modelo.
Dessa análise resultou que a variação espacial (distância entre pomares)
encontrada não foi condicionada pela proximidade dos locais de estudo entre si
(Fig.28). Assim, a distância entre pomares, neste estudo, não será considerado como
factor que influencia a abundância de fêmeas (Figs. 26 e 27).
Variable Coeff. Std Coeff. VIF Std Error t P Value
Constant -31171.456 0 0 60687.729 -0.514 0.613
HRMAX -0.038 -0.193 48.224 0.165 -0.229 0.821
TMIN 0.371 0.7 71.768 0.519 0.715 0.482
PRECIPITACAO 77928.189 0.099 2.923 151718.636 0.514 0.613
ALTITUDE <.001 0.051 4.71 0.001 0.206 0.838
INCLINACAO <.001 -0.007 1.335 0.008 -0.052 0.959
ORIENTACAO <.001 0.052 3.128 0.001 0.259 0.798
SIMPSON_E -0.204 -0.056 3.555 0.774 -0.263 0.795
BERGER_PARKER -0.137 -0.037 2.875 0.718 -0.191 0.85
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
76
Figura 26 – Relação entre o valor real e o valor estimado para a abundância das femeas Ceratitis
capitata Wiedemann (com base nas variáveis climáticas, nas de diversidade de habitats e nas
geográficas).
Figura 27 – Distribuição aleatória dos resíduos das variáveis climáticas, de diversidade de habitats
e geográficas para a variável explicativa fêmea adulta de mosca-do-Mediterrâneo (Ceratitis
capitata Wiedemann).
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
77
Figura 28 – Normalização dos Resíduos espaciais para a relação entre as variáveis climáticas,
diversidade habitats, geográficas e a variável explicativa fêmea adulta de mosca-do-Mediterrâneo
(Ceratitis capitata Wiedemann).
Em resumo, os resíduos apresentados na Figura 28, relativos à abundância das
fêmeas de C. capitata não estão constrangidos pelo espaço.
A relevância de cada um dos conjuntos de variáveis introduzidos no SAM e suas
interrelações, atendendo à abundância da fêmeas adultas de mosca-do-Mediterrâneo são
apresentados na Quadro 10 e na Figura 29.
Quadro 10 – Interacção das variáveis climáticas, geográficas e diversidade de habitats com a abundância
da fêmeas adultas de mosca-do-Mediterrâneo (Ceratitis capitata Wiedemann).
A = 0.702 B = 0.359 C = 0.229 A+B = 0.705 B+C = 0.406 B:C.A = 0.002
A.B = 0.346 B.A = 0.003 C.A = 0.002 A+B.C = 0.476 1-(B+C) = 0.594 A:B:C = 0.181
A.C = 0.475 B.C = 0.177 C.B = 0.047 A+C = 0.704 B+C.A = 0.004
A.B+C = 0.3 B.A+C = 0.001 C.A+B = <.001 A+C.B = 0.347 B+C:A = 0.402
1-(A) = 0.298 1-(B) = 0.641 1-(C) = 0.771 1-(A+B) = 0.295 A+B+C = 0.706
A:B = 0.356 B:A = 0.356 C:A = 0.227 A+B:C = 0.228 1-(A+B+C) = 0.294
A:C = 0.227 B:C = 0.183 C:B = 0.183 1-(A+C) = 0.296 A:B.C = 0.175
A:B+C = 0.402 B:A+C = 0.358 C:A+B = 0.229 A+C:B = 0.358 A:C.B = 0.046
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
78
Figura 29 – Métodos de Interacção das variáveis climáticas, geográficas e diversidade de habitats
com a abundância das fêmeas adultas de mosca-do-Mediterrâneo (Ceratitis capitata Wiedemann).
Podemos verificar que atendendo à Quadro 10 e de acordo com a Figura 29, as
variáveis climáticas, por si só, explicam cerca de 70% da abundância de fêmeas. As
variáveis geográficas explicam apenas cerca de 36% e as variáveis de diversidade de
habitats cerca de 23%. As variáveis climáticas, com um valor atrás referido de 70%
explicam quase a totalidade da interação entre todas as variáveis.
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
79
Relativamente à abundância dos machos, na Quadro 11 apresenta-se o resultado
para a variável machos como variável resposta e os 8 prognósticos das restantes
variáveis.
Quadro 11 – Resultados da análise estatística de SAM, relativo à abundância de Machos.
Quadro 12- Resumo do modelo obtido da aplicação SAM, para os machos.
No resumo do modelo obtido (Quadro 11) em relação aos oito prognósticos
diferentes, com r²= 0.656 e P: <.001, verifica-se a existência de uma significância
bastante forte, ou seja, que 66% dos dados obtidos são explicados por este modelo.
Variable Coeff. Std Coeff. VIF Std Error t P Value
Constant -39677.844 0 0 40966.086 -0.969 0.343
HRMAX -0.028 -0.232 48.224 0.111 -0.254 0.802
TMIN 0.276 0.835 71.768 0.35 0.789 0.439
PRECIPITACAO 99194.316 0.203 2.923 102414.752 0.969 0.343
ALTITUDE <.001 0.122 4.71 <.001 0.461 0.649
INCLINACAO -0.001 -0.03 1.335 0.005 -0.215 0.832
ORIENTACAO <.001 -0.098 3.128 <.001 -0.454 0.654
SIMPSON_E -0.119 -0.053 3.555 0.523 -0.228 0.822
BERGER_PARKER -0.228 -0.098 2.875 0.485 -0.471 0.642
n: 32 r: 0.81 r²: 0.656 r²adj: 0.555 F: 5.477 P: <.001
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
80
Figura 30 - Relação entre o valor real e o valor estimado para a abundância dos machos C. capitata
(com base nas variáveis climáticas, nas de diversidade de habitats e nas geográficas).
Figura 31 - Distribuição aleatória dos resíduos das variáveis climáticas, de diversidade de habitats e
geográficas para a variável explicativa machos adultos de mosca-do-Mediterrâneo (Ceratitis
capitata Wiedemann).
Capitulo 4 - Resultados e Discussão
_____________________________________________________________________________________
____________________________________________________________________________________
81
Figura 32 – Normalização dos Resíduos espaciais para a relação entre as variáveis climáticas,
diversidade habitats, geográficas e a variável explicativa machos adultos de mosca-do-Mediterrâneo
(Ceratitis capitata Wiedemann).
Em resumo, os resíduos apresentados na Figura 32, relativa à abundância dos
machos de C. capitata não estão constrangidos pelo espaço.
A relevância de cada um dos conjuntos de variáveis introduzidos no SAM e suas
interrelações, atendendo à abundância dos machos adultos de mosca-do-Mediterrâneo
Ceratitis capitata Wiedemann), são apresentados na Quadro 13 e na Figura 33.
Quadro 13 – Interacção das variáveis climáticas, geográficas e diversidade de habitats com a
abundancia dos machos adultos de mosca-do-Mediterrâneo (Ceratitis capitata Wiedemann).
A = 0.643 B = 0.231 1-(B) = 0.769 1-(C) = 0.82 1-(A+B) = 0.348 A+B+C = 0.656
A.B = 0.421 B.A = 0.009 B:A = 0.222 C:A = 0.174 A+B:C = 0.177 1-(A+B+C) = 0.344
A.C = 0.468 B.C = 0.096 B:C = 0.135 C:B = 0.135 1-(A+C) = 0.351 A:B.C = 0.089
A.B+C = 0.379 B.A+C = 0.007 B:A+C = 0.224 C:A+B = 0.177 A+C:B = 0.224 A:C.B = 0.041
1-(A) = 0.357 1-(B) = 0.769 C = 0.18 A+B = 0.652 B+C = 0.276 B:C.A = 0.002
A:B = 0.222 B:A = 0.222 C.A = 0.006 A+B.C = 0.475 1-(B+C) = 0.724 A:B:C = 0.133
A:C = 0.174 B:C = 0.135 C.B = 0.045 A+C = 0.649 B+C.A = 0.013
A:B+C = 0.263 B:A+C = 0.224 C.A+B = 0.004 A+C.B = 0.424 B+C:A = 0.263
_____________________________________________________________________________________
____________________________________________________________________________________
82
Figura 33 – Métodos de Interacção das variáveis climáticas, geográficas e diversidade de habitats
com a abundância dos machos adultos de mosca-do-Mediterrâneo (Ceratitis capitata Wiedemann).
Podemos verificar que atendendo aos dados da Quadro 13 e de acordo com a
Figura 32, as variáveis climáticas, por si só, explicam cerca de 64% da abundância de
machos. As variáveis geográficas explicam apenas cerca de 23% e as variáveis de
diversidade de habitats cerca de 18%. As variáveis climáticas, com um valor atrás
referido de 64% explicam quase a totalidade da interação entre todas as variáveis.
Capitulo 5 - Conclusões
_____________________________________________________________________________________
____________________________________________________________________________________
83
CAPITULO 5 - CONCLUSÕES
Os dados obtidos permitem desde logo confirmar a elevada densidade
populacional desta praga na Ilha de S. Jorge. De facto, este trabalho permitiu conhecer
uma realidade nova por ser o primeiro estudo da mosca-do-Mediterrâneo nesta Ilha.
Tendo por base comparativa a Ilha Terceira, os níveis encontrados em S. Jorge são de
facto preocupantes. Perante esta realidade é urgente a tomada de decisão de
implementação de medidas para o controle desta praga, na Ilha de São Jorge.
O conhecimento das densidades e nomeadamente da ocorrência de picos
populacionais desta praga podem constituir instrumentos indicadores de fases temporais
mais adequadas para implementar medidas de combate e definir com maior clareza a
oportunidade de intervenção como forma desta contribuir, decisivamente, para uma
redução significativa das populações presentes nas poucas áreas de produção frutícola
da Ilha de São Jorge.
Em relação aos dados de monitorização dos adultos obtidos salienta-se o elevado
número de fêmeas observadas, uma vez que estas são as responsáveis pelo elevado grau
de prejuízos causados nos frutos. Verificou-se que as densidades populacionais desta
praga são mais elevadas na área de estudo localizada na zona Sul, o que poderá ser
justificado por condições ambientais mais favoráveis, tais como a temperatura, e
exposição favorável ao desenvolvimento e à sua proliferação.
Em ambas as áreas de estudo (Norte e Sul) foi identificado um pico anual de
densidade populacional. Contudo, na zona Sul este ocorreu com um mês de
antecedência (Agosto) em relação à área estudada a Norte (Setembro), aspecto de relevo
a ter em conta em termos da possível gestão e controle da mosca-do-Mediterrâneo. Este
facto, poderá ser útil numa previsão antecipada do aparecimento das populações adultas
de C. capitata na Costa Norte da Ilha que tenha por base as observações realizadas e
registadas na zona Sul.
Embora existam produções de diferentes espécies frutícolas nas duas áreas de
estudo algumas conclusões podem ser retiradas a partir das áreas estudadas. Confirma-
se uma elevada taxa de infestação nas produções obtidas e analisadas a Sul, facto
resultante desta possuir uma maior densidade populacional de fêmeas.
Capitulo 5 - Conclusões
_____________________________________________________________________________________
____________________________________________________________________________________
84
Os hospedeiros preferenciais da praga são o figo, nêspera café e araçá.
Na análise da paisagem, dos testes efetuados e nos dois modelos obtidos, detetou
– se uma enorme significância na correlação das diversas variáveis explicativas
(climáticas, habitats e geográficas), o que nos leva a crer que as mesmas não deixam de
ter um profundo impacto na sua abundância e dispersão, no entanto após testes de
interações entre as variáveis explicativas e a variável resposta, podemos afirmar, que as
variáveis climáticas explicam por si só uma correlação com o aumento da mosca-do-
mediterrâneo em São Jorge.
Assim, os valores resultantes da análise da paisagem permitem concluir que
apesar de a diversidade de habitats interferir na abundância da mosca-do-Mediterrâneo,
as variáveis climáticas tem um peso enorme na proliferação desta praga. Nas fêmeas, as
variáveis climáticas, por si só, explicam cerca de 70% a sua abundância. As variáveis
geográficas explicam apenas cerca de 36% e as variáveis de diversidade de habitats
cerca de 23%. Relativamente aos machos, as variáveis climáticas, por si só, explicam
cerca de 64% da abundância de machos. As variáveis geográficas explicam apenas
cerca de 23% e as variáveis de diversidade de habitats cerca de 18%.
Este estudo representa um importante incremento do conhecimento de uma das
mais importantes pragas da fruticultura regional, analisando se existia uma inter-relação
entre a sua abundância e o coberto vegetal da área adjacente às parcelas produtivas.
Concluiu-se que, de todo o trabalho desenvolvido neste estudo, de facto, as
variáveis climáticas são as que possuem um maior efeito sobre o desenvolvimento,
proliferação e disseminação desta importante praga na Ilha de S. Jorge, nas zonas
analisadas.
Recomenda – se com base deste estudo uma análise mais profunda no uso da
paisagem, ou seja, identificar e quantificar todos os hospedeiros inerentes aos pomares
com o objectivo de verificar a existência de corredores ecológicos que influenciam no
aumento da abundância da C. capitata.
Bibliografia
_____________________________________________________________________________________
____________________________________________________________________________________
85
BIBLIOGRAFIA
Agostinho, José (1935). Tectónica, Sismicidade e Vulcanismo das ilhas dos Açores.
Açoreana 1 (3): 86-98.
Agostinho, José (1938). Clima dos Açores - Parte I - Generalidades, temperatura e
humidade do ar. Açoreana 2 (1): 35-65.
Agostinho, José (1940). Clima dos Açores - Parte III - Vento. Açoreana 2 (3): 160-173.
Agostinho, José (1941). Clima dos Açores - Parte IV (2) 4: 224-267.
Agostinho, José (1942). Clima dos Açores - Parte V - O clima dos Açores no quadro
dos climas mundiais. Açoreana 3 (1): 49-73.
Azevedo (2001) “Açoreana”, Boletim da Sociedade Afonso de Chaves (VOL. IX;
FASC.III; Dez 2001).
Azevedo José M.M. (1999). Geologia e Hidrogeologia da Ilha das Flores (Açores,
Portugal) – Tese de Doutoramento. Departamento de Ciências da Terra.
Faculdade de Ciências e Tecnologia. Universidade de Coimbra. Vol: 1 & 2,
403 p.
Azevedo Junior, G.; (1998); Levantamento de moscas-das-frutas (Diptera: Tephritidae)
na cultura da manga, no município de Mossoró-RN; Cctinga, Mossoró, v.11,
p.85-90.
Bettencourt, M.L. (1979). O clima dos Açores como recurso natural na aplicação
especialmente em agricultura e indústria do turismo. Instituto Nacional de
Meteorologia e Geofísica. Lisboa.
Bodenhmeir, F.S.. (1951) Citrus entomology in the middle East. Junk (Ed.). The Hague.
Carey, J.; (1991); Establishment of the Mediterranean fruit fly in California; Science
253:1369–1373.
Carvalho, A., Monteiro, C., Soares, C., Mumford, J., Fernandes, J., Carvalho, J.,
Madeira, M., Coelho, M., Elisiário, P., Rocha, R., Mangerico, S., Viegas, V.
(2001). Caracterização da problemática da mosca-do-Mediterrâneo, Ceratitis
capitata (Wied.), visando a aplicação da Luta Autocida no Algarve. DRAALG.
Carvalho, J. & Aguiar, A.; (1997). Pragas dos Citrinos na Ilha da Madeira; Secretaria
Regional de Agricultura, Florestas e Pescas – Avenida Zarco, 9000 Funchal.
Carvalho, J. P.(1984). Notas acerca de pragas de culturas dos Açores. Universidade dos
Açores. Ponta Delgada.
Bibliografia
_____________________________________________________________________________________
____________________________________________________________________________________
86
Carvalho, J. P; Aguiar, A. M. F; Brazão, C; Cravo, D; Félix, A. P; Fernandes, A;
Pereira, R; Pestana, M; Rodrigues, M; Sardinha, D & Vasconcelos, Z. (1999).
Contribuição para a Protecção Integrada na Região Autónoma da Madeira.
Região Autónoma da Madeira. Secretaria Regional de Agricultura Florestas e
Pescas. Direcção Regional de Agricultura. Direcção de Serviços de
Investigação Agrícola. POSEIMA / MADEIRA.
Costa, R. (2007). Contributo para o estudo da mosca-do-Mediterrâneo, (Ceratitis
capitata Wied.) (Diptera: Tephritidae) e formas de combate em pomares da
Ilha Terceira. Relatório de estágio de Licenciatura em Engenharia Agrícola;
Universidade dos Açores, Angra do Heroísmo.
Crawley, M.J. (1993) GLIM for Ecologists. Blakwell Scientific Publications, London
Crews-Meyer, K. A. (2002). Characterizing landscape dynamism using paneled-pattern
metrics.
Dantas, L.; Pereira, R.; Barbosa, A.; Silva, N.; Caldeira, J. & Pacheco, J (1999).
Madeira-Med, a sterile insect technique program for control of the
Mediterranean fruit fly. Bull. SPEN.
David J. H. Lopes; R. Pimentel; R. Costa; L. Dantas; O. Correia; J. D. Mumford & A.
Mexia.(2005) Importância dos testes de Dispersão no conhecimento do
comportamento dos adultos esterilizados da Mosca-do – Mediterrâneo
(Ceratitis capitata Wiedman) (Diptera: Tephritidae) libertados num pomar da
Ilha Terceira. Actas do VII Encontro Nacional de Protecção Integrada,
Coimbra, Portugal, A Produção Integrada e a Qualidade e Segurança
Alimentar, Colecção Práticas - Conhecimento - Pensamento.
Del Pino, A.; (2000); Efecto de factores abióticos y edáficos naturales en el ciclo
biológico de Ceratitis capitata (Wiedemann), Diptera: Tephritidae; Ph.D.
Thesis. Dep. Producción Vegetal.ETSIA. Universidad Politécnica de Valencia.
217 pp
Féraud, G., I. Kaneoka & C. J Allegre (1980). K-Ar ages and stress pattern in the
Azores: geodynamic implications. Earth Planet. Sci. Lett.
Forjaz, Víctor Hugo & N. S. M. Fernandes (1975). Carta Geológica de Portugal: Ilha
S. Jorge (Açores), notícia explicativa. Serviços Geológicos de Portugal.
Lisboa.
Bibliografia
_____________________________________________________________________________________
____________________________________________________________________________________
87
Gasparich GE, Silva JG, Han HY, McPeron BA, Steck GJ, Shepard WS. (1997)
Population genetic structure of Mediterranean fruit fly (Diptera: Trephritidae)
and implications for worldwide colonization patterns. Ann Entomol Soc Amer.
Haymer DS, McInnis DS. (1994) Resolution of populations of the Mediterranean fruit
fly at the DNA level using random primers for the polymerase chain reaction.
Genome.
Horta Lopes, D.J. ; Pimentel R. ; Dantas, L. ; Zorman, M. ; Macedo, N. ; Figueiredo, A.
; Mumford, J.D. & Mexia, M. M. (2008) A dispersão da mosca-do-
Mediterrâneo (Ceratitis capitata Wiedemann) (Diptera: Tephritidae) na Ilha
Terceira, Açores. Actas do 2º Congresso Nacional de Citricultura, Faro,
Algarve, Portugal.
Horta Lopes, D.J.; Pimentel R.; Dantas, L.; Zorman, M.; Macedo, N.; Figueiredo, A.;
Mumford, J.D. & Mexia, M.M. (2007) The importance of spread surveys on
the behaviour knowledge of Medfly sterile males (Ceratitis Capitata
Wiedemann) (Diptera: Tephritidae) released over Bicas, Biscoitos orchards and
on Angra urban area, in Terceira island, Azores, IOBC/WPRS Working Group
“Integrated Control in Fruit Crops”, Catania, Italy, IOBC/wprs Bulletin.
L. Mauricio Bini, J. Alexandre F. Diniz-Filho, Thiago F. L. V. B. Rangel, Thomas S. B.
Akre,Rafael G. Albaladejo, Fabio S. Albuquerque, Abelardo Aparicio, Miguel
B. Arau´ jo,Andre´s Baselga, Jan Beck, M. Isabel Bellocq, Katrin Bo¨hning-
Gaese, Paulo A. V. Borges,Isabel Castro-Parga, Vun Khen Chey, Steven L.
Chown, Paulo de Marco, Jr, David S. Dobkin,Dolores Ferrer-Casta´n, Richard
Field, Julieta Filloy, Erica Fleishman, Jose F. Go´mez,Joaquı´n Hortal, John B.
Iverson, Jeremy T. Kerr, W. Daniel Kissling, Ian J. Kitching,Jorge L. Leo´n-
Corte´s, Jorge M. Lobo, Daniel Montoya, Ignacio Morales-Castilla, Juan C.
Moreno,Thierry Oberdorff, Miguel A´ . Olalla-Ta´rraga, Juli G. Pausas, Hong
Qian, Carsten Rahbek,Miguel A´ . Rodrı´guez, Marta Rueda, Adriana
Ruggiero, Paula Sackmann, Nathan J. Sanders,Levi Carina Terribile, Ole R.
Vetaas and Bradford A. Hawkins.(2009). Coefficient shifts in geographical
ecology: an empirical evaluation ofspatial and non-spatial regression .The
Authors. Journal compilation Ecography Subject Editor: Jens-Christian
Svenning. Ecology 1:241 – 258
Bibliografia
_____________________________________________________________________________________
____________________________________________________________________________________
88
Leite, E.L & Torres, L.M. (1994). Estudo sobre a ocorrência da mosca da fruta
Ceratitis capitata (Wied.) na região do Porto. Anais da Utad. 5: 381-386.
Liquido, N., Shinoda, L., Cunningham, R.; (1991); Host plants of the Mediterranean
fruit fly, Ceratitis capitata (Wiedemann) (Diptera:Tephritidae): an annotated
world review; Miscellaneous publications of the Entomological Society of
America.77: 1–52
Lopes, D. J. H.; R. Pimentel; L. V. Nunes; R. Costa; L. Silva; D. Silva; S. Ázera; J. D.
Mumford & A. Mexia.(2005) “A aplicabilidade do SIG na definição de
manchas de infestação da Mosca – do – Mediterrâneo (Ceratitis capitata
Wiedman) (Diptera: Tephritidae) na Ilha Terceira e sua aplicabilidade ao
estudo de outras pragas-chave”. Boletin de Sanidad Vegetal-Plagas.
Lopes, D.J.H. ; Pimentel. R. ;Macedo, N. ;Zorman, M.; Ventura, L.B. ; Dantas; L. ;
Mexia, A.M.M. ; & Mumford, J. (2008) Aplicabilidade dos SIG no estudo da
mosca-do-Mediterrâneo na Ilha Terceira. Actas do I Congresso Regional de
Fruticultura e Viticultura.
Lopes, D.J.H., Pimentel, R., Macedo, N., Zorman, M., Ventura, L.B., Dantas, L.,
Mexia, A.M.M. & Mumford, J. (2008) Aplicabilidade dos SIG no estudo do
comportamento de dispersão de machos esterilizados da mosca-do-
Mediterrâneo (Ceratitis capitata Wied) (Diptera: Tephritidae) libertados na
Ilha Terceira. Actas do XIII Congresso Ibérico de Entomologia, Seia, Portugal.
Lopes, D.J.H.; Pimentel, R.; Nunes, L.V.; Costa, R.M.; Silva, N.; Dantas, L.; Mumford,
J.D. e Mexia, A.M.M., (2006) “A Mosca do Mediterrâneo (Ceratitis capitata
Wied.) (Diptera: Tephritidae) nos Pomares da Ilha Terceira, Açores” in (2006)
Lopes, D.; Pereira, A.; Mexia, A.; Mumford, J. & Cabrera, R., A fruticultura na
Macaronésia. O contributo do projecto INTERFRUTA para o seu
desenvolvimento.
Madeira, Viriato (2003). Revista de Estudos Açoreanos, X, Fasc. 1, de Dezembro de
2003.
Malavasi, A., Morgante, J.; (1981); Adult and larval population fluctuation of
Anastrepha fraterculus and its relationship to host availability; Environmental
Entomology, v. 10, p. 275-278.
Bibliografia
_____________________________________________________________________________________
____________________________________________________________________________________
89
Malavasi, A.; (1980); Biologia de moscas-das-frutas (Díptera: Tephiritidae). II: Índices
de infestação em diferentes hospedeiros e localidades; Revista Brasileira de
Biologia, v. 40, n. 1, p. 17–24.
Manica, I., Icum, I., Junqueira, N., Salvador, J., Moreira, A., Malavolta, E.; (2000);
Fruticultura tropical 6. Goiaba; Porto Alegre: Editora Cinco Continentes.
374p.
Mendes, Cândida (2010).A Dimensão Ecológica das Zonas Húmidas na Gestão e
Conservação dos ZEC terrestres dos Açores – (Açores) – Universidade dos
Açores.
Neves (2010) Horticultura e Fruticultura: Açores com oportunidade de diversificação.
Correio dos Açores, 3 de Maio de 2010 in
http://www.correiodosacores.net/view.php?id=27622
Nunes, L.V.L.; Costa, R.M. Dantas, L. 2 & Lopes, D.J.H.(2004) Determinação do grau
de infestação em frutos e identificação dos hospedeiros de Ceratitis capitata
Wiedman (Diptera: Tephritidae) na Ilha Terceira (Açores). Boletim do Museu
Municipal do Funchal.
O'Neill, R. V., Krummel, J. R., Gardner, R. H., Sugihara, G. B., Jackson, D. L.,
DeAngelis, B. T., Milne, Orlando, T. L.. (1980). Estudio sobre las hospederas
potenciales de la mosca del Mediterráneo Ceratitis capitata Wiedemann. Con
énfasis en las presentes en el área del Soconusco, Chiapas. México. Secretaria
de Agricultura y Recurso Hidráulicos.
Papadopoulos, N. T.; Katsoyannos, B. I.; Carey, J. R.; Kouloussis, N. A..2001. Seasonal
and Annual Occurance of the Mediterranean Fruit Fly (Diptera: Tephritidae) in
Northern Greece. Annals Entomological Society of America.
Papadopoulos, N., Katsoyannos, B., Nestle, D.; (2003); Spatial autocorrelation analysis
of a Ceratitis capitata (Diptera: Tephritidae) adult population in a mixed
deciduous fruit orchard in Northern Greece. Environmental Entomology. 32:
319–326.
Paulo A. V. Borges1, Pedro Cardoso1,2, Regina Cunha3, Rosalina Gabriel1, Vítor
Gonçalves3, Joaquín Hortal1,4, António Frias Martins3, Ireneia Melo5, Pedro
Rodrigues3, Ana M. C. Santos1, Luís Silva3, Kostas A. Triantis1,6, Paulo
Vieira7 & Virgílio Vieira. (2011). Macroecological patterns of species
Bibliografia
_____________________________________________________________________________________
____________________________________________________________________________________
90
distribution, composition and richness of the Azorean terrestrial biota .Ecologi
ISSN: 1647-2829 http://speco.fc.ul.pt/revistaecologia.html
Pereira, R. (1995). Utilização de armadilhas no estudo da mosca do Mediterrâneo,
Ceratitis capitata (Wied.)(Diptera: Tephritidae) em citrinos no Algarve.
Dissert. Mestrado, ISA, UTL, Lisboa. Photogrammetric Engineering and
Remote Sensing, 68, 1031– 1040.
Pimentel, R. (2010). Contributo para o conhecimento da mosca-do-Mediterrâneo
(Ceratitis capitata Wiedemann) (Diptera: Tephritidae) na Ilha
Terceira.(Açores) - Universidade dos Açores.
Powell, M. R. (2003) Modeling the Response of the Mediterranean Fruit Fly (Diptera:
Tephritidae) to Cold Treatment. Journal of Economic Entomology.
Projectos CLIMAAT (Interreg IIIB)(MAC 2.3/A3 - 03/MAC/2.3/A5 -
05/MAC/2.3/A1) universidades dos Açores – Departamento de Ciências
Agrárias.
Rangel, T. F., Diniz-Filho, J. A. F. and Bini, L. M. 2010. SAM: A comprehensive
application for Spatial Analysis in Macroecology. _ Ecography 33: 46_50,
(Version 4).
Rössler, Y. (1989). Insecticides, incecticidal bait and cover sprays. in: Fruit flies, theier
biology, natural enemies and control.
Seaby R. M. & Henderson, P. A. (2006) Species Diversity and Richness Version 4.
Pisces Conservation Ltd., Lymington, England.
Shu-Sheng Liu; Guang-Mei Zhang; Jun Zhu. 1995. Influence of temperature variations
on rate of development in insects: Analysis of Case Studies from
Entomological Literature. Annals of The Entomological Society of America.
Silva Isabel M.(2003). Caraterização das Ilhas Graciosa e S. Jorge com base no
Modelo CIELO - (Açores – Portugal) – Realatório de estágio. Universidade dos
Açores.
Turner M., Zygmunt, B., Christensen, Dale, V. H. & Graham, R. L. (1988). Indices of
landscape
Turner, M. G., Ruscher, C. L. (1988). Changes in landscape patterns in Georgia, USA.
Landscape
Bibliografia
_____________________________________________________________________________________
____________________________________________________________________________________
91
Vieira, R. M. S. (1952). “A mosca da Fruta Ceratitis capitata Wiedemann na Ilha da
Madeira”. Edição do Grémio dos Exportadores de frutas e produtos hortícolas
da Ilha da Madeira.
White, I., De Meyer, M., Stonehouse, J.; (2000); A review of native and introduced fruit
flies (Diptera, Tephritidae) in the Indian Ocean Islands of Mauritius, Réunion,
and Seychelles; In: Price NS, Seewooruthun SI (eds) Proceedings, Indian
Ocean Commission, regional fruit fly symposium, Indian Ocean
Commission/European Union, Flic en Flac, Mauritius, pp 15–21.
White, I., Elson-Harris, M.; (1992); Fruit flies of economic significance: their
identification and bionomics; CAB International, Wallingford and ACIAR,
Canberra.
Sítios da internet consultados:
Figura n.º 1 - mosca-do-Mediterrâneo Macho e fêmea. Acedido em: 23 de Agosto de
2011
http://www.abae.pt/programa/JRA/concursos/concurso09/artigo.php?escalao=A
1&id=35.
_____________________________________________________________________________________
____________________________________________________________________________________
92
ANEXOS
Anexos
_____________________________________________________________________________________
____________________________________________________________________________________
93
Notes
Output Created 19-NOV-2012 13:30:41
Comments
Input Data E:\analises
PBorges\Data_Liliana.sav
Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data
File
32
Missing Value Handling Definition of Missing User-defined missing values
are treated as missing.
Cases Used Statistics for each pair of
variables are based on all the
cases with valid data for that
pair.
Syntax CORRELATIONS
/VARIABLES=LATITUDE
LONGITUDE ALTITUDE
ORIENTACAO Inclinacao
Area H Berger_par Simpson
Simpson_E HRMIN_1
HRMAX TMIN TMAX
log_prec media_larv Femeas
Machos LogMachos
LogFemeas Logarea
LogLarva
/PRINT=TWOTAIL
NOSIG
/MISSING=PAIRWISE.
Resources Processor Time 00:00:00,03
Elapsed Time 00:00:00,03
Anexos
_____________________________________________________________________________________
____________________________________________________________________________________94
LATITUDE LONGITUDE ALTITUDE
ORIENTACA
O Inclinacao Area H Berger_par Simpson Simpson_E HRMIN_1 HRMAX TMIN TMAX log_prec media_larv Femeas Machos LogMachos LogFemeas Logarea LogLarva
Pearson Correlation 1 -,180 ,308 -,085 ,145 -,005 -,160 ,251 -,199 -,133 -,371*
-,436* ,294 ,319 -,091 -,285 ,315 ,273 ,192 ,147 ,160 -,322
Sig. (2-tailed) ,324 ,086 ,644 ,427 ,979 ,381 ,166 ,275 ,467 ,037 ,013 ,103 ,075 ,621 ,114 ,079 ,130 ,293 ,422 ,383 ,073
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,180 1 ,477**
-,764** ,261 ,304 ,055 -,253 ,074 ,667
**,791
**,770
**-,778
**-,766
**,395
* ,000 -,649**
-,620**
-,632**
-,720** ,121 -,056
Sig. (2-tailed) ,324 ,006 ,000 ,149 ,091 ,764 ,162 ,686 ,000 ,000 ,000 ,000 ,000 ,025 ,999 ,000 ,000 ,000 ,000 ,511 ,759
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,308 ,477** 1 -,602
** ,116 ,289 -,325 ,261 -,380* ,123 ,608
**,521
**-,668
**-,654
**,623
**-,629
** -,183 -,259 -,414*
-,508** ,312 -,668
**
Sig. (2-tailed) ,086 ,006 ,000 ,527 ,108 ,070 ,149 ,032 ,501 ,000 ,002 ,000 ,000 ,000 ,000 ,315 ,152 ,018 ,003 ,082 ,000
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,085 -,764**
-,602** 1 -,111 -,292 -,005 ,157 -,081 -,536
**-,611
**-,533
**,629
**,610
**-,418
* ,341 ,393*
,369*
,417*
,552** -,185 ,341
Sig. (2-tailed) ,644 ,000 ,000 ,546 ,105 ,980 ,391 ,661 ,002 ,000 ,002 ,000 ,000 ,017 ,056 ,026 ,038 ,018 ,001 ,312 ,056
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,145 ,261 ,116 -,111 1 -,163 -,351* ,283 -,236 ,100 ,162 ,162 -,148 -,142 ,054 ,036 -,024 -,159 -,184 -,150 -,310 -,094
Sig. (2-tailed) ,427 ,149 ,527 ,546 ,372 ,049 ,117 ,193 ,587 ,377 ,376 ,420 ,437 ,769 ,846 ,898 ,385 ,314 ,413 ,085 ,609
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,005 ,304 ,289 -,292 -,163 1 -,054 -,137 -,040 ,321 ,238 ,198 -,258 -,253 -,146 -,118 -,183 -,218 -,281 -,268 ,715** -,065
Sig. (2-tailed) ,979 ,091 ,108 ,105 ,372 ,769 ,455 ,829 ,073 ,190 ,278 ,154 ,162 ,427 ,521 ,315 ,231 ,120 ,139 ,000 ,723
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,160 ,055 -,325 -,005 -,351* -,054 1 -,798
**,876
** ,229 -,089 -,044 ,096 ,097 -,198 ,390* -,063 ,010 ,041 -,014 -,070 ,519
**
Sig. (2-tailed) ,381 ,764 ,070 ,980 ,049 ,769 ,000 ,000 ,208 ,629 ,813 ,602 ,597 ,277 ,027 ,732 ,956 ,824 ,940 ,703 ,002
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,251 -,253 ,261 ,157 ,283 -,137 -,798** 1 -,874
**-,653
** -,083 -,140 ,070 ,069 ,068 -,301 ,188 ,108 ,043 ,099 ,083 -,417*
Sig. (2-tailed) ,166 ,162 ,149 ,391 ,117 ,455 ,000 ,000 ,000 ,650 ,444 ,703 ,708 ,712 ,094 ,303 ,556 ,817 ,590 ,652 ,018
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,199 ,074 -,380* -,081 -,236 -,040 ,876
**-,874
** 1 ,462** -,071 -,006 ,085 ,085 -,163 ,368
* -,166 -,073 -,023 -,086 -,169 ,507**
Sig. (2-tailed) ,275 ,686 ,032 ,661 ,193 ,829 ,000 ,000 ,008 ,698 ,975 ,644 ,642 ,374 ,038 ,363 ,690 ,900 ,639 ,355 ,003
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,133 ,667** ,123 -,536
** ,100 ,321 ,229 -,653**
,462** 1 ,426
*,456
**-,417
*-,410
* ,091 ,012 -,407* -,347 -,348 -,419
* -,044 ,036
Sig. (2-tailed) ,467 ,000 ,501 ,002 ,587 ,073 ,208 ,000 ,008 ,015 ,009 ,018 ,020 ,621 ,948 ,021 ,052 ,051 ,017 ,809 ,843
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,371*
,791**
,608**
-,611** ,162 ,238 -,089 -,083 -,071 ,426
* 1 ,983**
-,994**
-,995**
,726** -,184 -,695
**-,713
**-,767
**-,814
** ,184 -,183
Sig. (2-tailed) ,037 ,000 ,000 ,000 ,377 ,190 ,629 ,650 ,698 ,015 ,000 ,000 ,000 ,000 ,313 ,000 ,000 ,000 ,000 ,314 ,315
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,436*
,770**
,521**
-,533** ,162 ,198 -,044 -,140 -,006 ,456
**,983
** 1 -,973**
-,978**
,699** -,113 -,754
**-,754
**-,792
**-,823
** ,119 -,111
Sig. (2-tailed) ,013 ,000 ,002 ,002 ,376 ,278 ,813 ,444 ,975 ,009 ,000 ,000 ,000 ,000 ,537 ,000 ,000 ,000 ,000 ,517 ,544
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
SIMPSON_E
HRMIN_1
HRMAX
ORIENTACAO
INCLINACAO
AREA
H
BERGER_PAR
KER
SIMPSON
Correlações
LATITUDE
LONGITUDE
ALTITUDE
Anexos
_____________________________________________________________________________________
____________________________________________________________________________________95
LATITUDE LONGITUDE ALTITUDE
ORIENTACA
O Inclinacao Area H Berger_par Simpson Simpson_E HRMIN_1 HRMAX TMIN TMAX log_prec media_larv Femeas Machos LogMachos LogFemeas Logarea LogLarva
Pearson Correlation ,294 -,778**
-,668**
,629** -,148 -,258 ,096 ,070 ,085 -,417
*-,994
**-,973
** 1 ,999**
-,751** ,236 ,684
**,706
**,779
**,831
** -,217 ,242
Sig. (2-tailed) ,103 ,000 ,000 ,000 ,420 ,154 ,602 ,703 ,644 ,018 ,000 ,000 ,000 ,000 ,193 ,000 ,000 ,000 ,000 ,233 ,182
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,319 -,766**
-,654**
,610** -,142 -,253 ,097 ,069 ,085 -,410
*-,995
**-,978
**,999
** 1 -,748** ,231 ,686
**,709
**,780
**,827
** -,208 ,234
Sig. (2-tailed) ,075 ,000 ,000 ,000 ,437 ,162 ,597 ,708 ,642 ,020 ,000 ,000 ,000 ,000 ,204 ,000 ,000 ,000 ,000 ,253 ,197
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,091 ,395*
,623**
-,418* ,054 -,146 -,198 ,068 -,163 ,091 ,726
**,699
**-,751
**-,748
** 1 -,310 -,452**
-,448*
-,485**
-,570** -,014 -,342
Sig. (2-tailed) ,621 ,025 ,000 ,017 ,769 ,427 ,277 ,712 ,374 ,621 ,000 ,000 ,000 ,000 ,084 ,009 ,010 ,005 ,001 ,940 ,055
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,285 ,000 -,629** ,341 ,036 -,118 ,390
* -,301 ,368* ,012 -,184 -,113 ,236 ,231 -,310 1 -,184 -,140 -,020 ,024 -,141 ,895
**
Sig. (2-tailed) ,114 ,999 ,000 ,056 ,846 ,521 ,027 ,094 ,038 ,948 ,313 ,537 ,193 ,204 ,084 ,313 ,444 ,915 ,894 ,442 ,000
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,315 -,649** -,183 ,393
* -,024 -,183 -,063 ,188 -,166 -,407*
-,695**
-,754**
,684**
,686**
-,452** -,184 1 ,905
**,847
**,851
** -,136 -,235
Sig. (2-tailed) ,079 ,000 ,315 ,026 ,898 ,315 ,732 ,303 ,363 ,021 ,000 ,000 ,000 ,000 ,009 ,313 ,000 ,000 ,000 ,458 ,195
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,273 -,620** -,259 ,369
* -,159 -,218 ,010 ,108 -,073 -,347 -,713**
-,754**
,706**
,709**
-,448* -,140 ,905
** 1 ,935**
,878** -,173 -,199
Sig. (2-tailed) ,130 ,000 ,152 ,038 ,385 ,231 ,956 ,556 ,690 ,052 ,000 ,000 ,000 ,000 ,010 ,444 ,000 ,000 ,000 ,344 ,274
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,192 -,632**
-,414*
,417* -,184 -,281 ,041 ,043 -,023 -,348 -,767
**-,792
**,779
**,780
**-,485
** -,020 ,847**
,935** 1 ,961
** -,267 -,036
Sig. (2-tailed) ,293 ,000 ,018 ,018 ,314 ,120 ,824 ,817 ,900 ,051 ,000 ,000 ,000 ,000 ,005 ,915 ,000 ,000 ,000 ,140 ,846
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,147 -,720**
-,508**
,552** -,150 -,268 -,014 ,099 -,086 -,419
*-,814
**-,823
**,831
**,827
**-,570
** ,024 ,851**
,878**
,961** 1 -,257 ,040
Sig. (2-tailed) ,422 ,000 ,003 ,001 ,413 ,139 ,940 ,590 ,639 ,017 ,000 ,000 ,000 ,000 ,001 ,894 ,000 ,000 ,000 ,156 ,828
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation ,160 ,121 ,312 -,185 -,310 ,715** -,070 ,083 -,169 -,044 ,184 ,119 -,217 -,208 -,014 -,141 -,136 -,173 -,267 -,257 1 -,079
Sig. (2-tailed) ,383 ,511 ,082 ,312 ,085 ,000 ,703 ,652 ,355 ,809 ,314 ,517 ,233 ,253 ,940 ,442 ,458 ,344 ,140 ,156 ,667
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Pearson Correlation -,322 -,056 -,668** ,341 -,094 -,065 ,519
**-,417
*,507
** ,036 -,183 -,111 ,242 ,234 -,342 ,895** -,235 -,199 -,036 ,040 -,079 1
Sig. (2-tailed) ,073 ,759 ,000 ,056 ,609 ,723 ,002 ,018 ,003 ,843 ,315 ,544 ,182 ,197 ,055 ,000 ,195 ,274 ,846 ,828 ,667
N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
Continuação
LogLarva
MEDIA_larv
FÊMEAS
MACHOS
LogMachos
LogFemeas
Logarea
TMIN
TMAX
log_PRECIPITA
CAO
*. Correlação é significativa no nível de 0,05
**. Correlação é significativa no nível de 0,01
Anexos
_____________________________________________________________________________________
____________________________________________________________________________________
96
Regression
Notes
Output Created 19-NOV-2012 13:09:39
Comments
Input Data E:\analises
PBorges\Data_Liliana.sav
Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data
File
32
Missing Value Handling Definition of Missing User-defined missing values
are treated as missing.
Cases Used Statistics are based on cases
with no missing values for
any variable used.
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF
OUTS R ANOVA
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT LogFemeas
/METHOD=BACKWARD
HRMAX TMIN
prec_box_cox Simpson_E
Berger_par ALTITUDE
ORIENTACAO Inclinacao
LATITUDE LONGITUDE.
Resources Processor Time 00:00:00,03
Elapsed Time 00:00:00,05
Memory Required 5940 bytes
Additional Memory
Required for Residual Plots
0 bytes
Anexos
_____________________________________________________________________________________
____________________________________________________________________________________
97
Variables Entered Variables Removed Method
1 LONGITUDE, LATITUDE,
Inclinacao, prec_box_cox,
Berger_par, ORIENTACAO,
ALTITUDE, Simpson_E,
HRMAX, TMINb
Enter
2 LONGITUDE Backward
(criterion:
Probability of F-
to-remove >=
,100).
3 Berger_par Backward
(criterion:
Probability of F-
to-remove >=
,100).
4 TMIN Backward
(criterion:
Probability of F-
to-remove >=
,100).
5 ORIENTACAO Backward
(criterion:
Probability of F-
to-remove >=
,100).
6 Simpson_E Backward
(criterion:
Probability of F-
to-remove >=
,100).
7 Inclinacao Backward
(criterion:
Probability of F-
to-remove >=
,100).
8 ALTITUDE Backward
(criterion:
Probability of F-
to-remove >=
,100).
9 prec_box_cox Backward
(criterion:
Probability of F-
to-remove >=
,100).
a. Dependent Variable: LogFemeas
b. All requested variables entered.
Variables Entered/Removeda
Model
Anexos
_____________________________________________________________________________________
____________________________________________________________________________________
98
Sum of Squares df Mean Square F Sig.
Regression 13.266 10 1.327 6.836 ,000b
Residual 4.075 21 .194
Total 17.342 31
Regression 13.265 9 1.474 7.952 ,000c
Residual 4.077 22 .185
Total 17.342 31
Regression 13.257 8 1.657 9.331 ,000d
Residual 4.085 23 .178
Total 17.342 31
Regression 13.235 7 1.891 11.051 ,000e
Residual 4.106 24 .171
Total 17.342 31
Regression 13.167 6 2.194 13.140 ,000f
Residual 4.175 25 .167
Total 17.342 31
Regression 13.136 5 2.627 16.243 ,000g
Residual 4.206 26 .162
Total 17.342 31
Regression 13.039 4 3.260 20.452 ,000h
Residual 4.303 27 .159
Total 17.342 31
Regression 12.930 3 4.310 27.356 ,000i
Residual 4.412 28 .158
Total 17.342 31
Regression 12.691 2 6.345 39.563 ,000j
Residual 4.651 29 .160
Total 17.342 31
f. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, ALTITUDE, Simpson_E, HRMAX
g. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, ALTITUDE, HRMAX
h. Predictors: (Constant), LATITUDE, prec_box_cox, ALTITUDE, HRMAX
i. Predictors: (Constant), LATITUDE, prec_box_cox, HRMAX
j. Predictors: (Constant), LATITUDE, HRMAX
9
a. Dependent Variable: LogFemeas
b. Predictors: (Constant), LONGITUDE, LATITUDE, Inclinacao, prec_box_cox, Berger_par, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX, TMIN
c. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, Berger_par, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX, TMIN
d. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX, TMIN
e. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX
3
4
5
6
7
8
ANOVAa
Model
1
2
Anexos
_____________________________________________________________________________________
____________________________________________________________________________________
99
R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,875a .765 .653 .44053
2 ,875b .765 .669 .43050
3 ,874c .764 .683 .42143
4 ,874d .763 .694 .41364
5 ,871e .759 .701 .40867
6 ,870f .757 .711 .40218
7 ,867g .752 .715 .39922
8 ,863h .746 .718 .39693
9 ,855i .732 .713 .40048
f. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, ALTITUDE, HRMAX
g. Predictors: (Constant), LATITUDE, prec_box_cox, ALTITUDE, HRMAX
h. Predictors: (Constant), LATITUDE, prec_box_cox, HRMAX
i. Predictors: (Constant), LATITUDE, HRMAX
Model
a. Predictors: (Constant), LONGITUDE, LATITUDE, Inclinacao, prec_box_cox, Berger_par, ORIENTACAO, ALTITUDE,
Simpson_E, HRMAX, TMIN
b. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, Berger_par, ORIENTACAO, ALTITUDE, Simpson_E,
HRMAX, TMIN
c. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX,
TMIN
d. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX
e. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, ALTITUDE, Simpson_E, HRMAX
Model Summary
Anexos
_____________________________________________________________________________________
____________________________________________________________________________________
100
Standardized
Coefficients
B Std. Error Beta
(Constant) -56289.486 68495.960 -.822 .420
HRMAX -.191 .176 -.972 -1.080 .292
TMIN .168 .493 .317 .341 .736
prec_box_cox 142856.357 171487.208 .182 .833 .414
Simpson_E .201 .756 .055 .266 .793
Berger_par -.135 .672 -.036 -.201 .842
ALTITUDE .001 .001 .276 1.104 .282
ORIENTACAO .000 .002 .056 .253 .802
Inclinacao .005 .008 .089 .678 .505
LATITUDE .000 .000 -.427 -2.240 .036
LONGITUDE -4.130E-06 .000 -.029 -.097 .923
(Constant) -59820.819 56792.692 -1.053 .304
HRMAX -.195 .165 -.997 -1.183 .249
TMIN .168 .482 .317 .349 .731
prec_box_cox 151698.640 142179.278 .193 1.067 .298
Simpson_E .188 .727 .052 .258 .798
Berger_par -.132 .656 -.035 -.201 .842
ALTITUDE .001 .001 .276 1.133 .269
ORIENTACAO .000 .001 .067 .367 .717
Inclinacao .005 .008 .087 .689 .498
LATITUDE .000 .000 -.430 -2.352 .028
(Constant) -61198.658 55189.651 -1.109 .279
HRMAX -.197 .162 -1.004 -1.220 .235
TMIN .164 .472 .310 .348 .731
prec_box_cox 155144.121 138168.409 .198 1.123 .273
Simpson_E .283 .539 .078 .525 .604
ALTITUDE .001 .001 .263 1.146 .264
ORIENTACAO .000 .001 .068 .380 .707
Inclinacao .005 .007 .076 .682 .502
LATITUDE .000 .000 -.430 -2.403 .025
(Constant) -59214.181 53880.612 -1.099 .283
HRMAX -.250 .052 -1.275 -4.817 .000
prec_box_cox 150255.495 134914.277 .191 1.114 .276
Simpson_E .336 .508 .093 .662 .514
ALTITUDE .001 .001 .219 1.159 .258
ORIENTACAO .001 .001 .098 .634 .532
Inclinacao .005 .006 .083 .773 .447
LATITUDE .000 .000 -.441 -2.553 .017
(Constant) -62762.602 52945.049 -1.185 .247
HRMAX -.254 .051 -1.296 -4.990 .000
prec_box_cox 159159.116 132568.656 .203 1.201 .241
Simpson_E .191 .448 .053 .426 .674
ALTITUDE .001 .001 .171 1.000 .327
Inclinacao .005 .006 .085 .803 .430
LATITUDE .000 .000 -.448 -2.626 .015
(Constant) -55019.680 48938.897 -1.124 .271
HRMAX -.242 .041 -1.232 -5.880 .000
prec_box_cox 139683.599 122463.131 .178 1.141 .264
ALTITUDE .001 .001 .152 .936 .358
Inclinacao .005 .006 .081 .777 .444
LATITUDE .000 .000 -.424 -2.673 .013
(Constant) -50183.034 48184.497 -1.041 .307
HRMAX -.231 .039 -1.180 -5.992 .000
prec_box_cox 127399.205 120545.432 .162 1.057 .300
ALTITUDE .001 .001 .131 .824 .417
LATITUDE .000 .000 -.385 -2.577 .016
(Constant) -57532.111 47080.896 -1.222 .232
HRMAX -.214 .032 -1.093 -6.610 .000
prec_box_cox 145369.595 117877.665 .185 1.233 .228
LATITUDE .000 .000 -.304 -2.725 .011
(Constant) 528.624 209.961 2.518 .018
HRMAX -.184 .021 -.936 -8.763 .000
LATITUDE .000 .000 -.261 -2.441 .021
7
8
9
a. Dependent Variable: LogFemeas
1
2
3
4
5
6
Coefficientsa
Model
Unstandardized Coefficients
t Sig.
Anexos
_____________________________________________________________________________________
____________________________________________________________________________________
101
Collinearity
Statistics
Tolerance
2 LONGITUDE -,029b -.097 .923 -.021 .123
LONGITUDE -,026c -.089 .930 -.019 .124
Berger_par -,035c -.201 .842 -.043 .348
LONGITUDE -,026d -.090 .929 -.019 .124
Berger_par -,033d -.192 .850 -.040 .348
TMIN ,310d .348 .731 .072 .013
LONGITUDE -,102e -.437 .666 -.089 .184
Berger_par -,034e -.200 .843 -.041 .348
TMIN ,471e .615 .545 .124 .017
ORIENTACAO ,098e .634 .532 .128 .414
LONGITUDE -,036f -.178 .860 -.036 .243
Berger_par -,053f -.445 .660 -.089 .688
TMIN ,485f .645 .525 .128 .017
ORIENTACAO ,052f .381 .707 .076 .520
Simpson_E ,053f .426 .674 .085 .633
LONGITUDE -,021g -.107 .916 -.021 .245
Berger_par -,012g -.111 .912 -.022 .811
TMIN ,569g .776 .445 .151 .017
ORIENTACAO ,059g .439 .664 .086 .522
Simpson_E ,043g .351 .728 .069 .639
Inclinacao ,081g .777 .444 .151 .869
LONGITUDE -,014h -.073 .942 -.014 .245
Berger_par ,017h .167 .869 .032 .913
TMIN ,018h .032 .975 .006 .031
ORIENTACAO ,024h .187 .853 .036 .570
Simpson_E ,017h .142 .888 .027 .680
Inclinacao ,064h .632 .533 .121 .893
ALTITUDE ,131h .824 .417 .157 .362
LONGITUDE -,122i -.776 .444 -.145 .377
Berger_par ,035i .350 .729 .066 .936
TMIN -,102i -.187 .853 -.035 .032
ORIENTACAO ,053i .415 .681 .078 .592
Simpson_E -,034i -.312 .758 -.059 .786
Inclinacao ,043i .425 .674 .080 .916
ALTITUDE ,162i 1.030 .312 .191 .374
prec_box_cox ,185i 1.233 .228 .227 .403
f. Predictors in the Model: (Constant), LATITUDE, Inclinacao, prec_box_cox, ALTITUDE, HRMAX
g. Predictors in the Model: (Constant), LATITUDE, prec_box_cox, ALTITUDE, HRMAX
h. Predictors in the Model: (Constant), LATITUDE, prec_box_cox, HRMAX
i. Predictors in the Model: (Constant), LATITUDE, HRMAX
9
a. Dependent Variable: LogFemeas
b. Predictors in the Model: (Constant), LATITUDE, Inclinacao, prec_box_cox, Berger_par, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX, TMIN
c. Predictors in the Model: (Constant), LATITUDE, Inclinacao, prec_box_cox, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX, TMIN
d. Predictors in the Model: (Constant), LATITUDE, Inclinacao, prec_box_cox, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX
e. Predictors in the Model: (Constant), LATITUDE, Inclinacao, prec_box_cox, ALTITUDE, Simpson_E, HRMAX
3
4
5
6
7
8
Excluded Variablesa
Model Beta In t Sig.
Partial
Correlation
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT LogMachos
/METHOD=BACKWARD HRMAX TMIN log_prec Simpson_E Berger_par ALTITUDE ORIENTACAO
Inclinacao LATITUDE LONGITUDE.
Anexos
_____________________________________________________________________________________
____________________________________________________________________________________
102
Regression
19-NOV-2012 13:33:32
Data E:\analises
PBorges\Data_Liliana.savActive Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data
File
32
Definition of Missing User-defined missing values
are treated as missing.
Cases Used Statistics are based on cases
with no missing values for
any variable used.
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS
R ANOVA
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT LogMachos
/METHOD=BACKWARD
HRMAX TMIN log_prec
Simpson_E Berger_par
ALTITUDE ORIENTACAO
Inclinacao LATITUDE
LONGITUDE.
Processor Time 00:00:00,02
Elapsed Time 00:00:00,03
Memory Required 5940 bytes
Additional Memory
Required for Residual Plots
0 bytes
Comments
Input
Missing Value Handling
Syntax
Resources
Notes
Output Created
Anexos
_____________________________________________________________________________________
____________________________________________________________________________________
103
Variables Entered Variables Removed Method
1 LONGITUDE, LATITUDE,
Inclinacao, log_prec,
Berger_par, ORIENTACAO,
ALTITUDE, Simpson_E,
HRMAX, TMINb
Enter
2 ORIENTACAO Backward
(criterion:
Probability of F-
to-remove >=
,100).
3 LONGITUDE Backward
(criterion:
Probability of F-
to-remove >=
,100).
4 TMIN Backward
(criterion:
Probability of F-
to-remove >=
,100).
5 Berger_par Backward
(criterion:
Probability of F-
to-remove >=
,100).
6 Inclinacao Backward
(criterion:
Probability of F-
to-remove >=
,100).
7 Simpson_E Backward
(criterion:
Probability of F-
to-remove >=
,100).
8 log_prec Backward
(criterion:
Probability of F-
to-remove >=
,100).
9 ALTITUDE Backward
(criterion:
Probability of F-
to-remove >=
,100).
10 LATITUDE Backward
(criterion:
Probability of F-
to-remove >=
,100).
Model
a. Dependent Variable: LogMachos
b. All requested variables entered.
Variables Entered/Removeda
Anexos
_____________________________________________________________________________________
____________________________________________________________________________________
104
R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,849a .721 .589 .29939
2 ,849b .721 .607 .29261
3 ,849c .720 .623 .28661
4 ,848d .719 .636 .28142
5 ,846e .716 .648 .27694
6 ,845f .714 .659 .27256
7 ,835g .697 .652 .27540
8 ,826h .683 .649 .27671
9 ,810i .656 .632 .28306
10 ,792j .627 .615 .28975
h. Predictors: (Constant), LATITUDE, ALTITUDE, HRMAX
i. Predictors: (Constant), LATITUDE, HRMAX
j. Predictors: (Constant), HRMAX
b. Predictors: (Constant), LONGITUDE, LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX,
TMIN
c. Predictors: (Constant), LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX, TMIN
d. Predictors: (Constant), LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX
e. Predictors: (Constant), LATITUDE, Inclinacao, log_prec, ALTITUDE, Simpson_E, HRMAX
f. Predictors: (Constant), LATITUDE, log_prec, ALTITUDE, Simpson_E, HRMAX
g. Predictors: (Constant), LATITUDE, log_prec, ALTITUDE, HRMAX
Model Summary
Model
a. Predictors: (Constant), LONGITUDE, LATITUDE, Inclinacao, log_prec, Berger_par, ORIENTACAO, ALTITUDE,
Simpson_E, HRMAX, TMIN
Anexos
_____________________________________________________________________________________
____________________________________________________________________________________
105
Sum of Squares df Mean Square F Sig.
Regression 4.872 10 .487 5.435 ,001b
Residual 1.882 21 .090
Total 6.754 31
Regression 4.870 9 .541 6.321 ,000c
Residual 1.884 22 .086
Total 6.754 31
Regression 4.865 8 .608 7.403 ,000d
Residual 1.889 23 .082
Total 6.754 31
Regression 4.853 7 .693 8.754 ,000e
Residual 1.901 24 .079
Total 6.754 31
Regression 4.837 6 .806 10.511 ,000f
Residual 1.917 25 .077
Total 6.754 31
Regression 4.823 5 .965 12.984 ,000g
Residual 1.931 26 .074
Total 6.754 31
Regression 4.706 4 1.177 15.512 ,000h
Residual 2.048 27 .076
Total 6.754 31
Regression 4.610 3 1.537 20.069 ,000i
Residual 2.144 28 .077
Total 6.754 31
Regression 4.431 2 2.215 27.649 ,000j
Residual 2.324 29 .080
Total 6.754 31
Regression 4.235 1 4.235 50.448 ,000k
Residual 2.519 30 .084
Total 6.754 31
j. Predictors: (Constant), LATITUDE, HRMAX
k. Predictors: (Constant), HRMAX
d. Predictors: (Constant), LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX, TMIN
e. Predictors: (Constant), LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX
f. Predictors: (Constant), LATITUDE, Inclinacao, log_prec, ALTITUDE, Simpson_E, HRMAX
g. Predictors: (Constant), LATITUDE, log_prec, ALTITUDE, Simpson_E, HRMAX
h. Predictors: (Constant), LATITUDE, log_prec, ALTITUDE, HRMAX
i. Predictors: (Constant), LATITUDE, ALTITUDE, HRMAX
8
9
10
a. Dependent Variable: LogMachos
b. Predictors: (Constant), LONGITUDE, LATITUDE, Inclinacao, log_prec, Berger_par, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX, TMIN
c. Predictors: (Constant), LONGITUDE, LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX, TMIN
2
3
4
5
6
7
ANOVAa
Model
1
Anexos
_____________________________________________________________________________________
____________________________________________________________________________________
106
Standardized
Coefficients
B Std. Error Beta
(Constant) 558.381 251.923 2.216 .038
HRMAX -.130 .117 -1.058 -1.104 .282
TMIN .143 .336 .432 .426 .675
log_prec 1.486 1.121 .281 1.326 .199
Simpson_E .177 .525 .078 .337 .739
Berger_par -.201 .460 -.086 -.437 .666
ALTITUDE .001 .001 .358 1.312 .204
ORIENTACAO .000 .001 -.029 -.121 .905
Inclinacao .002 .005 .062 .434 .669
LATITUDE .000 .000 -.452 -2.230 .037
LONGITUDE 3.865E-06 .000 .044 .147 .884
(Constant) 561.856 244.623 2.297 .032
HRMAX -.136 .101 -1.114 -1.356 .189
TMIN .127 .300 .382 .421 .678
log_prec 1.509 1.079 .285 1.398 .176
Simpson_E .194 .495 .086 .392 .699
Berger_par -.198 .449 -.085 -.441 .663
ALTITUDE .001 .001 .359 1.347 .192
Inclinacao .002 .005 .061 .436 .667
LATITUDE .000 .000 -.455 -2.310 .031
LONGITUDE 5.573E-06 .000 .063 .257 .799
(Constant) 560.770 239.570 2.341 .028
HRMAX -.138 .098 -1.123 -1.397 .176
TMIN .106 .284 .320 .374 .712
log_prec 1.419 .999 .268 1.420 .169
Simpson_E .242 .449 .107 .539 .595
Berger_par -.200 .439 -.086 -.455 .654
ALTITUDE .001 .001 .359 1.375 .182
Inclinacao .003 .005 .068 .511 .614
LATITUDE .000 .000 -.452 -2.346 .028
(Constant) 580.826 229.261 2.533 .018
HRMAX -.172 .033 -1.406 -5.166 .000
log_prec 1.374 .974 .260 1.410 .171
Simpson_E .246 .441 .108 .557 .583
Berger_par -.198 .431 -.085 -.458 .651
ALTITUDE .001 .001 .300 1.469 .155
Inclinacao .003 .005 .076 .580 .567
LATITUDE .000 .000 -.464 -2.494 .020
(Constant) 580.564 225.608 2.573 .016
HRMAX -.173 .033 -1.411 -5.275 .000
log_prec 1.449 .945 .274 1.534 .137
Simpson_E .389 .306 .172 1.270 .216
ALTITUDE .001 .001 .267 1.420 .168
Inclinacao .002 .004 .049 .429 .672
LATITUDE .000 .000 -.464 -2.534 .018
(Constant) 549.013 209.883 2.616 .015
HRMAX -.168 .030 -1.374 -5.520 .000
log_prec 1.384 .918 .262 1.509 .143
Simpson_E .375 .300 .166 1.252 .222
ALTITUDE .001 .001 .254 1.390 .176
LATITUDE .000 .000 -.439 -2.573 .016
(Constant) 470.122 202.285 2.324 .028
HRMAX -.146 .025 -1.193 -5.829 .000
log_prec .975 .866 .184 1.126 .270
ALTITUDE .001 .001 .208 1.152 .259
LATITUDE .000 .000 -.375 -2.281 .031
(Constant) 458.575 202.988 2.259 .032
HRMAX -.133 .023 -1.090 -5.925 .000
ALTITUDE .001 .001 .266 1.531 .137
LATITUDE .000 .000 -.365 -2.212 .035
(Constant) 241.184 148.399 1.625 .115
HRMAX -.107 .015 -.874 -7.224 .000
LATITUDE -5.389E-05 .000 -.189 -1.561 .129
(Constant) 9.590 1.287 7.455 .000
HRMAX -.097 .014 -.792 -7.103 .000
7
8
9
10
a. Dependent Variable: LogMachos
1
2
3
4
5
6
Coefficientsa
Model
Unstandardized Coefficients
t Sig.
Anexos
_____________________________________________________________________________________
____________________________________________________________________________________
107
Collinearity
Statistics
Tolerance
2 ORIENTACAO -,029b -.121 .905 -.026 .232
ORIENTACAO -,048c -.243 .810 -.052 .325
LONGITUDE ,063c .257 .799 .055 .209
ORIENTACAO -,007d -.042 .967 -.009 .418
LONGITUDE ,036d .154 .879 .032 .224
TMIN ,320d .374 .712 .078 .017
ORIENTACAO -,005e -.030 .976 -.006 .418
LONGITUDE ,038e .165 .870 .034 .224
TMIN ,315e .374 .712 .076 .017
Berger_par -,085e -.458 .651 -.093 .344
ORIENTACAO -,004f -.026 .979 -.005 .418
LONGITUDE ,053f .241 .812 .048 .232
TMIN ,364f .446 .659 .089 .017
Berger_par -,037f -.228 .821 -.046 .427
Inclinacao ,049f .429 .672 .085 .858
ORIENTACAO -,089g -.611 .547 -.119 .544
LONGITUDE ,156g .802 .430 .155 .301
TMIN ,362g .438 .665 .086 .017
Berger_par -,120g -1.022 .316 -.196 .813
Inclinacao ,034g .296 .770 .058 .868
Simpson_E ,166g 1.252 .222 .238 .629
ORIENTACAO -,062h -.428 .672 -.082 .557
LONGITUDE ,039h .219 .828 .042 .375
TMIN ,208h .254 .801 .049 .017
Berger_par -,108h -.914 .369 -.173 .819
Inclinacao ,017h .145 .886 .028 .883
Simpson_E ,095h .747 .461 .142 .720
log_prec ,184h 1.126 .270 .212 .418
ORIENTACAO -,110i -.771 .447 -.144 .592
LONGITUDE ,019i .105 .917 .020 .377
TMIN -,503i -.825 .416 -.154 .032
Berger_par -,035i -.306 .762 -.058 .936
Inclinacao -,016i -.140 .890 -.026 .916
Simpson_E ,033i .264 .793 .050 .786
log_prec ,238i 1.510 .142 .274 .456
ALTITUDE ,266i 1.531 .137 .278 .374
ORIENTACAO -,007j -.054 .957 -.010 .716
LONGITUDE -,054j -.307 .761 -.057 .407
TMIN ,157j .319 .752 .059 .053
Berger_par -,070j -.615 .543 -.113 .980
Inclinacao -,057j -.499 .621 -.092 .974
Simpson_E ,017j .135 .894 .025 .792
log_prec ,134j .853 .401 .156 .512
ALTITUDE -,002j -.014 .989 -.003 .728
LATITUDE -,189j -1.561 .129 -.278 .810
f. Predictors in the Model: (Constant), LATITUDE, log_prec, ALTITUDE, Simpson_E, HRMAX
g. Predictors in the Model: (Constant), LATITUDE, log_prec, ALTITUDE, HRMAX
h. Predictors in the Model: (Constant), LATITUDE, ALTITUDE, HRMAX
i. Predictors in the Model: (Constant), LATITUDE, HRMAX
j. Predictors in the Model: (Constant), HRMAX
10
a. Dependent Variable: LogMachos
b. Predictors in the Model: (Constant), LONGITUDE, LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX, TMIN
c. Predictors in the Model: (Constant), LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX, TMIN
d. Predictors in the Model: (Constant), LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX
e. Predictors in the Model: (Constant), LATITUDE, Inclinacao, log_prec, ALTITUDE, Simpson_E, HRMAX
4
5
6
7
8
9
Model Beta In t Sig.
Partial
Correlation
3
Excluded Variablesa